简介
LangChain 是一个用于开发由大型语言模型 (LLM) 驱动的应用程序的框架。
LangChain 简化了 LLM 应用程序生命周期的每个阶段
- 开发:使用 LangChain 的开源组件和第三方集成构建您的应用程序。使用 LangGraph 构建具有一流流式传输和人工参与支持的状态代理。
- 生产化:使用 LangSmith 来检查、监控和评估您的应用程序,以便您可以持续优化并充满信心地部署。
- 部署:使用 LangGraph Platform 将您的 LangGraph 应用程序转变为生产就绪的 API 和助手。
LangChain 为大型语言模型和相关技术(如嵌入模型和向量存储)实现了一个标准接口,并与数百家提供商集成。有关更多信息,请参阅集成页面。
pip install -qU "langchain[openai]"
import getpass
import os
if not os.environ.get("OPENAI_API_KEY"):
os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")
from langchain.chat_models import init_chat_model
model = init_chat_model("gpt-4o-mini", model_provider="openai")
model.invoke("Hello, world!")
这些文档侧重于 Python LangChain 库。点击此处查看 JavaScript LangChain 库的文档。
架构
LangChain 框架由多个开源库组成。在架构页面中阅读更多内容。
langchain-core
:聊天模型和其他组件的基础抽象。- 集成包(例如
langchain-openai
、langchain-anthropic
等):重要的集成已拆分为轻量级包,这些包由 LangChain 团队和集成开发人员共同维护。 langchain
:构成应用程序认知架构的链、代理和检索策略。langchain-community
:由社区维护的第三方集成。langgraph
:用于将 LangChain 组件组合到具有持久性、流式传输和其他关键功能的生产就绪型应用程序中的编排框架。请参阅 LangGraph 文档。
指南
教程
如果您希望构建一些特定的东西,或者更喜欢动手学习,请查看我们的教程部分。这是入门的最佳场所。
这些是入门的最佳教程
在此处浏览完整的 LangChain 教程列表这里,并在此处查看其他 LangGraph 教程这里。要了解有关 LangGraph 的更多信息,请查看我们的第一个 LangChain 学院课程《LangGraph 简介》,点击此处获取。
操作指南
此处您将找到对“我该如何……?”类型问题的简短答案。这些操作指南不深入探讨主题 - 您将在教程和API 参考中找到相关资料。但是,这些指南将帮助您使用聊天模型、向量存储和其他常见的 LangChain 组件快速完成常见任务。
在此处查看 LangGraph 相关的操作指南。
概念指南
介绍您需要了解的 LangChain 的所有关键部分!此处您将找到所有 LangChain 概念的高级解释。
要深入了解 LangGraph 概念,请查看此页面。
集成
LangChain 是一个丰富的工具生态系统的一部分,这些工具与我们的框架集成并在其基础上构建。集成如果您希望快速启动并运行来自特定提供商的聊天模型、向量存储或其他 LangChain 组件,请查看我们不断增长的集成列表。
API 参考
前往参考部分,获取 LangChain Python 包中所有类和方法的完整文档。
生态系统
🦜🛠️ LangSmith
追踪和评估您的语言模型应用程序和智能代理,以帮助您从原型走向生产。
🦜🕸️ LangGraph
使用 LLM 构建有状态的、多参与者的应用程序。与 LangChain 无缝集成,但也可以在没有它的情况下使用。LangGraph 为生产级代理提供支持,受到 Linkedin、Uber、Klarna、GitLab 等多家公司的信任。
其他资源
版本
查看 v0.3 中的更改内容,了解如何迁移旧代码,阅读我们的版本控制策略等。
安全
阅读安全最佳实践,以确保您在使用 LangChain 进行开发时是安全的。
贡献
查看开发者指南,了解有关贡献的指南并获得有关设置开发环境的帮助。