跳到主要内容

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和具体的；它们旨在帮助您完成特定任务。有关概念解释，请参阅概念指南。有关端到端演练，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。它构建在 Runnable 协议之上。

LCEL 速查表：快速了解如何使用主要的 LCEL 原语。

组件​

这些是构建应用时可以使用的核心构建块。

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以传递给提示。

聊天模型​

聊天模型是较新形式的语言模型，它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 content 和一个 role，用于描述消息的来源。

LLMs​

LangChain 称为 LLMs 的是较旧形式的语言模型，它接收字符串并输出字符串。

输出解析器​

输出解析器负责获取 LLM 的输出并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​

文本分割器获取文档并将其分割成可用于检索的块。

嵌入模型​

嵌入模型获取一段文本并为其创建数值表示。

向量存储​

向量存储是能够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）以及要调用的函数的实现。

代理​

注意

有关代理的深入操作指南，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​

LangChain 的所有组件都可以轻松扩展以支持您自己的版本。

生成式 UI​

多模态​

用例​

这些指南涵盖特定用例的详细信息。

问答与 RAG​

检索增强生成 (RAG) 是一种将 LLM 连接到外部数据源的方式。有关 RAG 的高级教程，请查看本指南。

提取​

提取是指当您使用 LLM 从非结构化文本中提取结构化信息时。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 生成要发送到检索器的查询的任务。有关查询分析的高级教程，请查看本指南。

基于 SQL + CSV 的问答​

您可以使用 LLM 对表格数据进行问答。有关高级教程，请查看本指南。

基于图数据库的问答​

您可以使用 LLM 对图数据库进行问答。有关高级教程，请查看本指南。

LangGraph.js​

LangGraph.js 是 LangChain 的扩展，旨在通过将步骤建模为图中的边和节点，构建具有 LLM 的强大且有状态的多参与者应用程序。

LangGraph.js 文档目前托管在单独的站点上。您可以在此处浏览 LangGraph.js 操作指南。

LangSmith​

LangSmith 允许您密切追踪、监控和评估您的 LLM 应用程序。它与 LangChain 和 LangGraph.js 无缝集成，您可以使用它来检查和调试您构建的链的各个步骤。

LangSmith 文档托管在单独的站点上。您可以在此处浏览 LangSmith 操作指南，但我们将重点介绍以下几个与 LangChain 特别相关的部分

评估​

评估性能是构建 LLM 驱动的应用程序的重要组成部分。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 评估操作指南。

追踪​

追踪使您可以在链和代理内部进行可观察性，并且对于诊断问题至关重要。

您可以在 LangSmith 文档的此部分中查看与追踪相关的通用操作指南。

此页是否对您有所帮助？


您也可以留下详细的反馈 在 GitHub 上.