Skip to main content

使用指南

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​

关键特性​

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 是创建任意自定义链的一种方式。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: 将遗留链抽象迁移到 LCEL。

组件​

这些是您在构建应用程序时可以使用的核心构建模块。

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 是一种新型的语言模型，能够接收消息并输出消息。

消息​

消息 是聊天模型的输入和输出。它们包含一些 content 和一个 role，用于描述消息的来源。

LLMs​

LangChain所称的LLMs是较早的语言模型形式，它们接收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。

文本拆分器​

文本拆分器 将文档拆分为可用于检索的块。

嵌入模型​

嵌入模型 将一段文本转换为其数值表示。

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）以及调用的函数实现。有关预构建工具的列表，请参阅 此处。

多模态​

代理​

note

有关代理的详细操作指南，请查看 LangGraph 文档。

回调​

回调 允许您在 LLM 应用程序执行的各个阶段进行挂钩。

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​

使用案例​

这些指南涵盖了特定用例的详细信息。

Q&A with RAG​

检索增强生成（RAG）是一种将大型语言模型（LLMs）与外部数据源连接的方法。 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 此指南。

查询分析​

查询分析是使用 LLM 生成要发送给检索器的查询的任务。有关查询分析的高级教程，请查看 此指南。

SQL + CSV 的问答​

您可以使用 LLMs 对表格数据进行问答。 有关高级教程，请查看 此指南。

关于图数据库的问答​

您可以使用 LLM 在图数据库上进行问答。 有关高级教程，请查看 本指南。

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。

LangGraph 文档目前托管在一个单独的网站上。您可以在此处查看 LangGraph 使用指南。

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，您可以在构建时使用它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。 您可以在这里浏览 LangSmith 使用指南，但我们将突出一些与 LangChain 特别相关的部分：

评估​

评估性能是构建基于LLM的应用程序的重要环节。 LangSmith在从创建数据集到定义指标再到运行评估器的每一步中提供帮助。

要了解更多信息，请查看LangSmith评估操作指南.

跟踪​

跟踪可以让您在链和代理内部获得可观察性，并在诊断问题时至关重要。

您可以在 LangSmith 文档的此部分 查看与跟踪相关的一般操作指南。

此页面是否有帮助？


您还可以留下详细的反馈 在 GitHub 上