Skip to main content

概念指南

本指南提供了关于 LangChain 框架及更广泛 AI 应用背后关键概念的解释。

我们建议您在深入概念指南之前，先至少完成一个教程。这将提供实用的背景信息，使您更容易理解此处讨论的概念。

概念指南不包含逐步说明或具体实现示例——这些内容可在 操操作指南 和 教程 中找到。如需详细参考资料，请参阅 API 参考。

高级​

概念​

  • 聊天模型: 通过聊天 API 提供的 LLM，将消息序列作为输入并输出一条消息。
  • 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: 以用户消息和模型响应交替出现的消息序列表示的对话。
  • 工具: 一个带有相关架构的函数，用于定义函数的名称、描述以及它接受的参数。
  • 工具调用: 一种聊天模型 API，接受工具模式以及消息作为输入，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（如匹配给定模式的 JSON）进行响应的技术。
  • 内存: 持久化保存的对话信息，以便在后续对话中使用。
  • 多模态: 处理以不同形式（如文本、音频、图像和视频）呈现的数据的能力。
  • 可运行接口: 许多 LangChain 组件和 LangChain 表达式语言所构建的基础抽象。
  • 流式传输: LangChain 用于在生成结果时展示结果的流式 API。
  • LangChain 表达式语言 (LCEL): 用于编排 LangChain 组件的语法。对较简单的应用最为有用。
  • 文档加载器: 将源数据加载为文档列表。
  • 检索: 信息检索系统可以根据查询从数据源中检索结构化或非结构化数据。
  • 文本分割器: 将长文本拆分为更小的块，以便单独索引从而实现细粒度的检索。
  • 嵌入模型: 将文本或图像等数据表示为向量空间中的模型的统称。
  • 向量存储: 向量和相关元数据的存储及高效搜索。
  • 检索器: 一个组件，用于根据查询从知识库中返回相关文档。
  • 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其能力的技术。
  • 智能体: 使用语言模型来选择要执行的一系列操作。智能体可以通过工具与外部资源进行交互。
  • 提示模板: 用于将模型“提示”（通常是一系列消息）中的静态部分提取出来的组件。适用于序列化、版本控制和重用这些静态部分。
  • 输出解析器：负责接收模型的输出并将其转换为更适合下游任务的格式。在工具调用和结构化输出普遍可用之前，输出解析器主要发挥作用。
  • 少样本提示: 一种通过在提示中提供少量任务示例来提升模型性能的技术。
  • 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。示例选择器在少样本提示（few-shot prompting）中用于为提示选择示例。
  • 回调: 回调功能允许在内置组件中执行自定义辅助代码。在 LangChain 中，回调用于流式传输来自大语言模型（LLM）的输出、跟踪应用程序的中间步骤等。
  • 追踪: 记录应用程序从输入到输出所经历的步骤的过程。追踪对于调试和诊断复杂应用程序中的问题至关重要。
  • 评估: 评估人工智能应用性能和有效性的过程。这涉及将模型的响应与一组预定义的标准或基准进行测试，以确保其符合所需的质量标准并实现预期目的。该过程对于构建可靠的应用至关重要。

术语表​

  • AIMessageChunk: AI 消息的部分响应。用于从聊天模型流式传输响应时。
  • AIMessage: 表示来自 AI 模型的完整响应。
  • StructuredTool：LangChain 中所有工具的基类。
  • batch：用于使用批量输入执行可运行对象（Runnable）。
  • bindTools：允许模型与工具进行交互。
  • 缓存: 存储结果以避免对聊天模型的重复调用。
  • 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。
  • 文档: LangChain 对文档的表示。
  • 嵌入模型: 为各种数据类型生成向量嵌入的模型。
  • 人类消息: 表示来自人类用户的消息。
  • 输入和输出类型: Runnables 中用于输入和输出的类型。
  • 集成包: 与 LangChain 集成的第三方包。
  • 调用: 用于调用 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：核心的 langchain 包。包含基础接口和内存中的实现。
  • langchain: 一个用于高级组件的包（例如，一些预构建的链）。
  • @langchain/langgraph：LangChain 的强大编排层。用于构建复杂的管道和工作流。
  • 管理聊天历史：维护和管理工作对话历史的技巧。
  • OpenAI 格式: 聊天模型使用的 OpenAI 消息格式。
  • 可运行配置的传播：通过可运行对象传播配置。
  • RemoveMessage: 一种用于从聊天历史中移除消息的抽象，主要用于 LangGraph。
  • 角色: 表示聊天消息的角色（例如：用户、助手）。
  • RunnableConfig: 用于将运行时信息传递给 Runnables（例如，runName, runId, tags, metadata, maxConcurrency, recursionLimit, configurable）。
  • 聊天模型的标准参数：诸如 API 密钥、temperature 和 maxTokens 之类的参数，
  • 流式输出: 用于从 Runnable 或图对象中流式传输输出。
  • 分词: 将数据转换为令牌以及将令牌转换回数据的过程。
  • 令牌: 语言模型在底层读取、处理和生成的基本单位。
  • 工具工件: 向工具的输出添加工件，这些工件不会发送给模型，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: 一组可协同使用的工具集合。
  • 工具消息: 表示包含工具执行结果的消息。
  • 向量存储: 专为存储和高效搜索向量嵌入而设计的数据存储。
  • withStructuredOutput：一个用于原生支持工具调用的聊天模型的辅助方法，可获取与通过 Zod、JSON Schema 或函数指定的模式相匹配的结构化输出。