Skip to main content
Open on GitHub

操作指南

在这里,您将找到“我该如何……?”类型问题的答案。 这些指南是目标导向具体的;它们旨在帮助您完成特定任务。 有关概念性解释,请参阅概念指南。 有关端到端的演练,请参阅教程。 有关每个类和函数的全面描述,请参阅API参考

安装

主要特性

这突出了使用LangChain的核心功能。

LangChain 表达式语言 (LCEL)

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

LCEL 速查表: 快速了解如何使用主要的 LCEL 原语。

迁移指南: 用于将旧版链抽象迁移到LCEL。

组件

这些是您在构建应用程序时可以使用的核心构建块。

提示模板

Prompt Templates 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

Example Selectors 负责选择正确的少量示例以传递给提示。

聊天模型

聊天模型 是一种较新的语言模型形式,它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

Messages 是聊天模型的输入和输出。它们有一些 content 和一个 role,用于描述消息的来源。

大型语言模型

LangChain 所称的 LLMs 是较旧形式的语言模型,它们接收一个字符串并输出一个字符串。

输出解析器

Output Parsers 负责将LLM的输出解析为更结构化的格式。

文档加载器

Document Loaders 负责从各种来源加载文档。

文本分割器

Text Splitters 接收一个文档并将其分割成可用于检索的块。

嵌入模型

Embedding Models 将一段文本转换为数值表示。 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

向量存储是可以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

Retrievers 负责接收查询并返回相关文档。

索引

索引是保持你的向量存储与底层数据源同步的过程。

工具

LangChain 工具 包含工具的说明(传递给语言模型)以及要调用的函数的实现。请参考 这里 获取预构建工具的列表。

多模态

代理

note

有关代理的深入操作指南,请查看LangGraph文档。

回调函数

Callbacks 允许你挂接到你的LLM应用程序执行的不同阶段。

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

这些指南涵盖了特定用例的详细信息。

使用RAG进行问答

检索增强生成(RAG)是一种将大型语言模型(LLMs)连接到外部数据源的方法。 有关RAG的高级教程,请查看本指南

提取

提取是指使用LLMs从非结构化文本中提取结构化信息。 有关提取的高级教程,请查看本指南

聊天机器人

聊天机器人涉及使用LLM进行对话。 有关构建聊天机器人的高级教程,请查看本指南

查询分析

查询分析是使用LLM生成查询以发送到检索器的任务。 有关查询分析的高级教程,请查看本指南

SQL + CSV 上的问答

你可以使用LLMs对表格数据进行问答。 有关高级教程,请查看本指南

关于图数据库的问答

你可以使用LLM在图数据库上进行问答。 有关高级教程,请查看本指南

总结

LLMs 可以总结并从文本中提取所需信息,包括大量文本。有关高级教程,请查看 本指南

LangGraph

LangGraph 是 LangChain 的一个扩展,旨在通过将步骤建模为图中的边和节点,使用 LLMs 构建健壮且有状态的多参与者应用程序。

LangGraph 文档目前托管在一个单独的网站上。 您可以浏览 LangGraph 操作指南

LangSmith

LangSmith 允许您紧密跟踪、监控和评估您的 LLM 应用程序。 它与 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您的链和代理的各个步骤。

LangSmith 文档托管在一个单独的网站上。 您可以浏览LangSmith 操作指南,但我们将在下面重点介绍一些与 LangChain 特别相关的部分:

评估

评估性能是构建LLM驱动应用程序的重要部分。 LangSmith 帮助从创建数据集到定义指标再到运行评估器的每一步。

要了解更多信息,请查看LangSmith评估操作指南

追踪

追踪为您提供了在您的链和代理内部的可观察性,对于诊断问题至关重要。

你可以查看与追踪相关的通用指南 在LangSmith文档的这一部分


这个页面有帮助吗?