教程
刚接触 LangChain 或 LLM 应用开发？阅读此材料以快速启动并运行，构建您的第一个应用程序。
开始入门
通过构建简单的应用程序，熟悉 LangChain 的开源组件。
如果您希望开始使用来自特定提供商的 聊天模型、向量存储 或其他 LangChain 组件，请查看我们支持的集成。
- 聊天模型和提示：使用 提示模板 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 构建一个基于 PDF 的语义搜索引擎。
- 分类：使用 聊天模型 和 结构化输出 将文本分类为类别或标签。
- 提取：使用 聊天模型 和 少量示例 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，请参阅操作指南。
编排
开始使用 LangGraph 将 LangChain 组件组装成功能齐全的应用程序。
- 聊天机器人：构建一个包含记忆的聊天机器人。
- 代理：使用 LangGraph.js 构建一个与外部工具交互的代理。
- 检索增强生成 (RAG) 第一部分：构建一个使用您自己的文档来告知其响应的应用程序。
- 检索增强生成 (RAG) 第二部分：构建一个 RAG 应用程序，该应用程序结合了用户交互的记忆和多步骤检索。
- 使用 SQL 进行问答：构建一个执行 SQL 查询以告知其响应的问答系统。
- 摘要：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告知其响应的问答系统。
LangSmith
LangSmith 允许您密切跟踪、监控和评估您的 LLM 应用程序。它与 LangChain 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 教程。
评估
LangSmith 帮助您评估 LLM 应用程序的性能。以下教程是入门的绝佳方式