Skip to main content

概念指南

本指南更广泛地解释了 LangChain 框架和 AI 应用程序背后的关键概念。

我们建议您在深入研究概念指南之前至少完成一个教程。这将提供实际上下文，使理解此处讨论的概念变得更加容易。

概念指南不包括分步说明或特定实现示例，这些示例可在操作指南和教程中找到。有关详细的参考资料，请参阅 API 参考。

高级

概念

  • 聊天模型：通过聊天 API 公开的 LLM，用于将消息序列作为输入处理并输出消息。
  • 消息：聊天模型中的通信单元，用于表示模型的输入和输出。
  • 聊天历史记录：以一系列消息表示的对话，在用户消息和模型响应之间交替。
  • 工具：具有关联架构的函数，用于定义函数的名称、描述和它接受的参数。
  • 工具调用：一种聊天模型 API，它接受工具架构和消息作为输入，并将这些工具的调用作为输出消息的一部分返回。
  • 结构化输出：一种使聊天模型以结构化格式（例如与给定架构匹配的 JSON）响应的技术。
  • 内存：有关会话的信息，该会话会保留下来，以便将来的会话可以使用。
  • 多模态：能够处理不同形式的数据，例如文本、音频、图像和视频。
  • Runnable interface：许多 LangChain 组件和 LangChain 表达式语言都基于此的基本抽象。
  • 流式处理：LangChain 流式处理 API，用于在生成结果时显示结果。
  • LangChain 表达式语言 （LCEL）：一种用于编排 LangChain 组件的语法。对于简单的应用程序最有用。
  • 文档加载器：将源加载为文档列表。
  • 检索：信息检索系统可以从数据源检索结构化或非结构化数据以响应查询。
  • 文本拆分器：将长文本拆分为较小的块，这些块可以单独编制索引以实现精细检索。
  • 嵌入模型：在向量空间中表示文本或图像等数据的模型。
  • 向量存储：向量和相关元数据的存储和有效搜索。
  • 检索器：从知识库返回相关文档以响应查询的组件。
  • 检索增强生成 （RAG）：一种通过将语言模型与外部知识库相结合来增强语言模型的技术。
  • 代理：使用语言模型选择要执行的作序列。代理可以通过工具与外部资源交互。
  • 提示模板：用于分解模型“提示”的静态部分（通常是一系列消息）的组件。对于序列化、版本控制和重用这些静态部分非常有用。
  • 输出解析器：负责获取模型的输出并将其转换为更适合下游任务的格式。输出解析器在工具调用和结构化输出正式发布之前主要有用。
  • Few-shot prompting：一种通过在 Prompt 中提供要执行的任务的一些示例来提高模型性能的技术。
  • 示例选择器：用于根据给定输入从数据集中选择最相关的示例。示例选择器用于 few-shot prompting，用于为提示选择示例。
  • 回调：回调允许在内置组件中执行自定义辅助代码。回调用于流式传输 LangChain 中 LLM 的输出、跟踪应用程序的中间步骤等。
  • Tracing：记录应用程序从输入到输出所采取的步骤的过程。跟踪对于调试和诊断复杂应用程序中的问题至关重要。
  • 评估：评估 AI 应用程序的性能和有效性的过程。这涉及根据一组预定义的标准或基准测试模型的响应，以确保其满足所需的质量标准并实现预期目的。此过程对于构建可靠的应用程序至关重要。

词汇表

  • AIMessageChunk：来自 AI 消息的部分响应。在流式传输来自聊天模型的响应时使用。
  • AIMessage：表示来自 AI 模型的完整响应。
  • StructuredTool：LangChain 中所有工具的基类。
  • batch：用于执行 Runnable，批处理输入 Runnable。
  • bindTools：允许模型与工具交互。
  • 缓存：存储结果以避免对聊天模型的重复调用。
  • Context window（上下文窗口）：聊天模型可以处理的最大输入大小。
  • 对话模式：聊天交互中的常见模式。
  • document：LangChain 对文档的表示。
  • Embedding models：为各种数据类型生成向量嵌入的模型。
  • HumanMessage：表示来自人类用户的消息。
  • input and output types：用于 Runnables 中输入和输出的类型。
  • 集成包：与 LangChain 集成的第三方包。
  • invoke：调用 Runnable 的标准方法。
  • JSON 模式：以 JSON 格式返回响应。
  • @langchain/community：LangChain 的社区驱动组件。
  • @langchain/core：核心 langchain 包。包括基本接口和内存中实现。
  • langchain：用于更高级别组件（例如，一些预构建链）的包。
  • @langchain/langgraph：强大的 LangChain 编排层。用于构建复杂的管道和工作流。
  • 管理聊天记录：维护和管理聊天记录的技术。
  • OpenAI 格式：OpenAI 的聊天模型消息格式。
  • RunnableConfig 的传播：通过 Runnables 传播配置。
  • RemoveMessage：用于从聊天记录中删除消息的抽象，主要用于 LangGraph。
  • role：表示聊天消息的角色（例如，用户、助理）。
  • RunnableConfig：用于将运行时信息传递给 Runnables（例如runName,runId,tags,metadata,maxConcurrency,recursionLimit,configurable).
  • 聊天模型标准参数：API key、temperature和maxTokens,
  • stream：用于流式传输来自 Runnable 或图形的输出。
  • 标记化：将数据转换为标记的过程，反之亦然。
  • 令牌：语言模型在后台读取、处理和生成的基本单元。
  • 工具工件：将工件添加到工具的输出中，该工件不会发送到模型，但可用于下游处理。
  • 工具绑定：将工具绑定到模型。
  • tool：用于在 LangChain 中创建工具的函数。
  • 工具包：可以一起使用的工具集合。
  • ToolMessage：表示包含工具执行结果的消息。
  • 向量存储：专门用于存储和高效搜索向量嵌入的数据存储。
  • withStructuredOutput：聊天模型的帮助程序方法，它本身支持工具调用以获取与通过 Zod、JSON 架构或函数指定的给定架构匹配的结构化输出。