教程
刚接触 LangChain 或 LLM 应用开发？阅读此材料以快速上手构建您的第一个应用。
开始使用
通过构建简单的应用来熟悉 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。
- 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：使用具有结构化输出的聊天模型将文本分类到类别或标签中。
- 抽取：使用聊天模型和少量示例从文本和其他非结构化媒体中抽取结构化数据。
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。
- 聊天机器人：构建一个包含记忆的聊天机器人。
- Agents：构建一个与外部工具交互的 Agent。
- 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。
- 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骤检索的 RAG 应用。
- SQL 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。
- 图数据库问答：构建一个查询图数据库以告知其响应的问答系统。
LangSmith
LangSmith 允许您密切追踪、监控和评估您的 LLM 应用。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 应用的性能。以下教程是入门的绝佳方式