Skip to main content
Open on GitHub

操操作指南

在这里,您将找到关于“我如何……?”类型问题的答案。 这些指南是以目标为导向具体实用的;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 walkthrough,请查看教程。 如需每个类和函数的全面描述,请参阅API 参考

安装

关键特性

这突出了使用 LangChain 的核心功能。

组件

这些是构建应用程序时可以使用的基础核心模块。

聊天模型

聊天模型是较新的语言模型形式,它们接收消息并输出消息。 有关从特定提供商开始使用聊天模型的详细信息,请参阅 支持的集成

消息

消息 是聊天模型的输入和输出。它们具有某些 contentrole,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 负责选择正确的少样本示例以传递给提示词。

大型语言模型

LangChain 所称的LLMs是较旧形式的语言模型,它们接收字符串输入并输出字符串。

输出解析器

输出解析器 负责将 LLM 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。

文本分割器

文本分割器 接收文档并将其拆分为可用于检索的块。

嵌入模型

嵌入模型 接收一段文本并为其创建数值表示。 有关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

索引化是使您的向量存储与底层数据源保持同步的过程。

工具

LangChain 工具 包含传递给语言模型的工具描述以及调用函数的实现。有关预构建工具的列表,请参见此处

多模态

代理

注意

如需有关代理的深入操操作指南,请查看 LangGraph 文档。

回调函数

回调允许您挂钩到LLM应用程序执行的各个阶段。

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

使用案例

这些指南涵盖特定用例的详细信息。

RAG 问答

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

提取

提取是指使用大型语言模型(LLM)从非结构化文本中提取结构化信息。 关于提取的高级教程,请查看 此指南

聊天机器人

聊天机器人涉及使用大型语言模型(LLM)进行对话。 关于构建聊天机器人的高级教程,请查看本指南

查询分析

查询分析是利用大语言模型生成查询以发送给检索器的任务。 关于查询分析的高级教程,请查看此指南

SQL + CSV 问答

您可以使用大型语言模型(LLMs)对表格数据进行问答。 如需了解高级教程,请查看此指南

图数据库问答

您可以使用大型语言模型对图数据库进行问答。 如需高级教程,请查看 此指南

摘要

LLM 可以总结和提炼文本中的所需信息,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 是一种编排解决方案。有关何时使用 LCEL 的建议,请参阅我们的 概念页面

LangChain 表达式语言 是一种创建任意自定义链的方式。它构建在 可运行(Runnable) 协议之上。

LCEL 速查表: 快速了解如何使用主要的 LCEL 原语。

迁移指南: 用于将遗留链抽象迁移到 LCEL。

LangGraph

LangGraph 是 LangChain 的扩展,旨在通过将步骤建模为图中的边和节点,构建基于大语言模型(LLM)的健壮且具备状态感知的多智能体应用。

LangGraph 文档目前托管在单独的网站上。 您可以在这里查阅 LangGraph 操操作指南

LangSmith

LangSmith 允许您紧密追踪、监控和评估您的 LLM 应用。 它可与 LangChain 和 LangGraph 无缝集成,您可以在构建过程中使用它来检查和调试链与代理的各个步骤。

LangSmith 文档托管在单独的网站上。 您可以在此处查阅 LangSmith 操操作指南,但我们将重点介绍以下与 LangChain 特别相关的部分:

评估

评估性能是构建大语言模型(LLM)驱动应用的关键环节。 LangSmith 协助完成该流程的每一步,从创建数据集、定义指标到运行评估器。

要了解更多,请查看 LangSmith 评估指南

追踪

追踪功能可为您的链和代理提供可观测性,对于诊断问题至关重要。

你可以查看与通用追踪相关的操操作指南,位于 LangSmith 文档的这一部分