教程
初次接触 LangChain 或 LLM 应用开发？阅读本文档，快速入门并构建您的第一个应用程序。
开始
通过构建简单的应用程序，熟悉 LangChain 的开源组件。
如果您想开始使用聊天模型、向量数据库或来自特定提供商的其他 LangChain 组件，请查看我们支持的集成。
- 聊天模型和提示词：使用提示词模板和聊天模型构建简单的 LLM 应用程序。
- 语义搜索：使用文档加载器、嵌入模型和向量数据库构建基于 PDF 的语义搜索引擎。
- 分类：使用带有结构化输出的聊天模型将文本分类到不同类别或标签。
- 提取：使用聊天模型和少样本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 组件组合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。
- 智能体：构建一个与外部工具交互的智能体。
- 检索增强生成 (RAG) 第一部分：构建一个使用您自己的文档来提供响应的应用程序。
- 检索增强生成 (RAG) 第二部分：构建一个包含用户交互记忆和多步检索的 RAG 应用程序。
- 基于 SQL 的问答：构建一个执行 SQL 查询以提供响应的问答系统。
- 摘要：生成（可能很长的）文本的摘要。
- 基于图数据库的问答：构建一个查询图数据库以提供响应的问答系统。
LangSmith
LangSmith 允许您密切追踪、监控和评估您的 LLM 应用程序。它与 LangChain 无缝集成，您可以使用它在构建过程中检查和调试链的每个步骤。
LangSmith 文档托管在单独的网站上。您可以在此处查阅 LangSmith 教程。
评估
LangSmith 帮助您评估 LLM 应用程序的性能。以下教程是入门的好方法