教程
初次接触 LangChain 或大型语言模型（LLM）应用开发？阅读以下内容，快速上手并构建您的第一个应用程序。
开始使用
通过构建简单应用程序，熟悉 LangChain 的开源组件。
如果您想从特定提供商开始使用 聊天模型、向量存储， 或其他 LangChain 组件，请查看我们支持的 集成。
- 聊天模型与提示词: 使用 提示词模板 和 聊天模型 构建一个简单的 LLM 应用程序。
- 语义搜索: 使用 文档加载器、嵌入模型 和 向量存储 构建基于 PDF 的语义搜索引擎。
- 分类: 使用具有 结构化输出 的 聊天模型 将文本分类为类别或标签。
- 提取: 使用 聊天模型 和 少样本示例 从文本和其他非结构化媒体中提取结构化数据。
有关使用所有 LangChain 组件的更多详细信息，请参阅 操操作指南。
编排
使用 LangGraph 将 LangChain 组件组装为功能完整的应用程序。
- 聊天机器人: 构建一个包含记忆的聊天机器人。
- 智能体: 构建一个能与外部工具交互的智能体。
- 检索增强生成 (RAG) 第一部分: 构建一个应用程序，利用您自己的文档来指导其响应。
- 检索增强生成 (RAG) 第二部分: 构建一个 RAG 应用程序，该程序整合了用户交互记忆和多步检索功能。
- 使用 SQL 进行问答: 构建一个执行 SQL 查询以生成响应的问答系统。
- 摘要生成: 生成（可能很长的）文本的摘要。
- 使用图数据库进行问答: 构建一个查询图数据库以生成回答的问答系统。
LangSmith
LangSmith 允许您紧密地追踪、监控和评估您的 LLM 应用。 它与 LangChain 无缝集成，您可以在构建过程中使用它来检查并调试链中的各个步骤。
LangSmith 文档托管在另一个网站上。 您可以在此处浏览 LangSmith 教程。
评估
LangSmith 帮助您评估大语言模型（LLM）应用的性能。以下教程是入门的绝佳方式：