Skip to main content
Open on GitHub

入门指南

在这里，您将找到针对“我该如何……？”这类问题的答案。 这些指南是目标导向且具体明确的；它们旨在帮助您完成特定任务。 如需概念性解释，请参阅概念指南。 如需端到端的完整教程，请参阅教程。 如需了解每个类和函数的全面描述，请参阅API 参考。

安装​

核心功能​

这突显了使用LangChain的核心功能。

组件​

这些是您在构建应用程序时可以使用的核心组件。

聊天模型​

聊天模型 是一种新型的语言模型，能够接收消息并输出消息。 有关如何从特定提供商开始使用聊天模型的详细信息，请参见 支持的集成。

消息​

消息 是聊天模型的输入和输出。它们包含一些 content 和一个 role，用于描述消息的来源。

提示模板​

提示模板 负责将用户输入格式化为可以传递给语言模型的格式。

示例选择器​

示例选择器 负责选择正确的少量示例传递给提示。

LLMs​

LangChain 所称的 LLMs 是较早版本的语言模型，它们接收一个字符串并输出一个字符串。

输出解析器​

输出解析器 负责将大型语言模型的输出解析为更结构化的格式。

文档加载器​

文档加载器 负责从各种来源加载文档。

文本拆分器​

文本分割器 将文档拆分为可用于检索的块。

嵌入模型​

嵌入模型 将一段文本转换为数值表示。 有关如何从特定提供商开始使用嵌入模型的详细信息，请参阅 支持的集成。

向量存储​

向量存储 是能够高效存储和检索嵌入的数据库。 有关如何从特定提供商开始使用向量存储的详细信息，请参阅 支持的集成。

检索器​

检索器 负责接收查询并返回相关文档。

索引​

索引是保持向量存储与底层数据源同步的过程。

工具​

LangChain 工具 包含工具的描述（用于传递给语言模型）以及要调用函数的实现。有关预构建工具的列表，请参阅 此处。

多模态​

代理​

笔记

有关代理的详细操操作指南，请参阅 LangGraph 文档。

回调​

回调 允许您在大型语言模型应用程序执行的各个阶段插入自定义逻辑。

自定义​

LangChain 的所有组件都可以轻松扩展，以支持您自己的版本。

序列化​

应用场景​

这些指南涵盖了特定用例的详细信息。

RAG问答​

检索增强生成（RAG）是一种将大型语言模型（LLM）与外部数据源连接起来的方法。 有关RAG的高级教程，请查看 此指南。

提取​

提取是指您使用大型语言模型从非结构化文本中提取结构化信息。 有关提取的高级教程，请参阅 此指南。

聊天机器人​

聊天机器人涉及使用大型语言模型进行对话。 有关构建聊天机器人的高级教程，请查看 此指南。

查询分析​

查询分析是使用大型语言模型（LLM）生成查询以发送给检索器的任务。 有关查询分析的高级教程，请参阅 此指南。

SQL + CSV 上的问答​

您可以使用大型语言模型对表格数据进行问答。 有关高级教程，请查看 此指南。

图数据库问答​

你可以使用大型语言模型（LLM）对图数据库进行问答。 有关高级教程，请查看 此指南。

摘要​

大型语言模型（LLMs）可以从文本中总结并提炼所需信息，包括大量文本。如需高级教程，请查看此指南。

LangChain 表达式语言 (LCEL)​

我应该使用LCEL吗？

LCEL 是一个编排解决方案。请参阅我们的 概念页面，了解何时使用 LCEL 的建议。

LangChain 表达式语言 是一种创建任意自定义链的方法。它基于 Runnable 协议构建。

LCEL 快速参考: 用于快速了解如何使用主要的 LCEL 原语。

迁移指南: 用于将旧版链式抽象迁移到 LCEL。

LangGraph​

LangGraph 是 LangChain 的一个扩展，通过将步骤建模为图中的节点和边，旨在利用大型语言模型构建稳健且具有状态的多参与者应用程序。

LangGraph 的文档目前托管在独立的网站上。 您可以在 此处查阅 LangGraph 使用指南。

LangSmith​

LangSmith 允许您紧密追踪、监控和评估您的大型语言模型应用程序。 它与 LangChain 和 LangGraph 无缝集成，您可以在构建过程中检查和调试链条及代理的各个步骤。

LangSmith 的文档托管在另一个网站上。 您可以在 此处查阅 LangSmith 操操作指南，但以下我们将重点介绍一些与 LangChain 特别相关的部分：

评估​

评估性能是构建大型语言模型驱动应用的重要环节。 LangSmith 可协助完成从创建数据集、定义指标到运行评估器的每一个步骤。

要了解更多信息，请查看 LangSmith 评估操操作指南。

追踪​

追踪功能可为您提供链和代理内部的可观测性，对于诊断问题至关重要。

你可以在此部分的 LangSmith 文档中查看与追踪相关的通用操操作指南 。