Skip to main content

使用指南

在这里您会找到“我该如何……？”类型问题的答案。 这些指南是目标导向和具体的；它们旨在帮助您完成特定任务。 有关概念性解释，请参见概念指南。 有关端到端的操作步骤，请参见教程。 有关每个类和函数的全面描述，请参见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 (LCEL)​

LangChain表达式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: 快速概览如何使用主要的LCEL原语。

迁移指南: 用于将遗留链抽象迁移到LCEL。

组件​

这些是构建应用程序时可以使用的核心构建块。

提示词模板​

提示词模板 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以传递给提示词。

聊天模型​

聊天模型 是一种较新的语言模型形式，接收消息并输出消息。

消息​

消息 是聊天模型的输入和输出。它们具有一些 内容 和一个 角色，描述消息的来源。

大型语言模型​

LangChain所称的大型语言模型是较早形式的语言模型，它接受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 将文档分割成可用于检索的块。

嵌入模型​

嵌入模型 接收一段文本并创建其数值表示。

向量存储​

向量存储 是可以高效存储和检索嵌入的数据库。

检索器​

检索器 负责接收查询并返回相关文档。

索引​

索引是保持您的向量存储与底层数据源同步的过程。

工具​

LangChain 工具 包含工具的描述（传递给语言模型）以及调用的函数的实现。有关预构建工具的列表，请参见 这里。

多模态​

代理​

note

有关代理的深入使用指南，请查看 LangGraph 文档。

回调​

回调 允许您挂钩到 LLM 应用程序执行的各个阶段。

自定义​

所有 LangChain 组件都可以轻松扩展以支持您自己的版本。

序列化​

用例​

这些指南涵盖了特定用例的详细信息。

与RAG的问答​

检索增强生成 (RAG) 是将大型语言模型 (LLMs) 连接到外部数据源的一种方式。 有关 RAG 的高级教程，请查看 本指南。

提取​

提取是指使用大型语言模型 (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，请查看本指南。

查询分析​

查询分析是使用大型语言模型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，请查看本指南。

SQL + CSV 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，请查看本指南。

图数据库的问答​

您可以使用大型语言模型对图数据库进行问答。 有关高级教程，请查看本指南。

摘要​

大型语言模型可以从文本中总结和提炼所需的信息，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，构建强大且有状态的多参与者应用程序，使用大型语言模型 (LLMs)。

LangGraph 文档目前托管在一个单独的网站上。 您可以在这里查看 LangGraph 使用指南。

LangSmith​

LangSmith 允许您密切跟踪、监控和评估您的 LLM 应用程序。 它与 LangChain 和 LangGraph 无缝集成，您可以在构建时使用它来检查和调试链和代理的各个步骤。

LangSmith 文档托管在一个单独的网站上。 您可以在这里查看 LangSmith 使用指南，但我们将突出一些特别 与 LangChain 相关的部分：

评估​

评估性能是构建大型语言模型驱动应用程序的重要部分。 LangSmith 在从创建数据集到定义指标再到运行评估器的每个步骤中提供帮助。

要了解更多信息，请查看 LangSmith 评估使用手册。

跟踪​

跟踪让您能够观察到链和代理内部的情况，并在诊断问题时至关重要。

您可以在 LangSmith 文档的这一部分 中查看一般的跟踪相关使用手册。

Was this page helpful?


You can also leave detailed feedback on GitHub.

扫我，入群扫我，找书