跳到主要内容
Open on GitHub

操作指南

在这里，您将找到“我该如何……？”这类问题的答案。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，请参阅概念指南。有关端到端演练，请参阅教程。有关每个类和功能的详细说明，请参阅API 参考。

安装​

主要功能​

这突出了使用 LangChain 的核心功能。

组件​

这些是构建应用程序时可以使用的核心构建块。

聊天模型​

聊天模型是较新的语言模型形式，它们接收消息并输出消息。有关如何开始使用特定提供商的聊天模型的详细信息，请参阅支持的集成。

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。

提示模板​

提示模板负责将用户输入格式化为可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样本示例以传递给提示。

LLM​

LangChain 中所说的 LLM 是较旧的语言模型形式，它们接收字符串并输出字符串。

输出解析器​

输出解析器负责接收 LLM 的输出并将其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​

文本分割器接收一个文档并将其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。有关如何开始使用特定提供商的嵌入模型的详细信息，请参阅支持的集成。

向量存储​

向量存储是能够高效存储和检索嵌入的数据库。有关如何开始使用特定提供商的向量存储的详细信息，请参阅支持的集成。

检索器​

检索器负责接收查询并返回相关文档。

索引​

索引是将向量存储与底层数据源保持同步的过程。

工具​

LangChain 工具包含工具的描述（用于传递给语言模型）以及要调用的函数实现。请此处查看预构建工具列表。

多模态​

代理​

注意

有关代理的深入操作指南，请查看 LangGraph 文档。

回调​

回调允许您介入 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。

基于 RAG 的问答​

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，请查看此指南。

提取​

提取是指使用 LLM 从非结构化文本中提取结构化信息。有关提取的高级教程，请查看此指南。

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。

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，请查看此指南。

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，请查看此指南。

摘要​

LLM 可以从文本中总结并提炼出所需信息，包括大量文本。有关高级教程，请查看此指南。

LangChain 表达式语言 (LCEL)​

我应该使用 LCEL 吗？

LCEL 是一种编排解决方案。有关何时使用 LCEL 的建议，请参阅我们的概念页面。

LangChain 表达式语言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：快速了解如何使用主要的 LCEL 原语。

迁移指南：用于将旧版链抽象迁移到 LCEL。

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，构建健壮且有状态的基于 LLM 的多代理应用程序。

LangGraph 文档目前托管在单独的网站上。您可以在此处查阅 LangGraph 操作指南。

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，您可以在构建过程中使用它来检查和调试链和代理的各个步骤。

LangSmith 文档托管在单独的网站上。您可以在此处查阅 LangSmith 操作指南，但我们将在下面重点介绍几个与 LangChain 特别相关的部分

评估​

评估性能是构建 LLM 驱动应用程序的关键部分。LangSmith 帮助您完成从创建数据集到定义指标再到运行评估器的整个过程。

要了解更多信息，请查看LangSmith 评估操作指南。

追踪​

追踪为您提供了链和代理内部的可观察性，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。