Skip to main content

操操作指南

这里可以找到“我如何……？”这类问题的答案。 这些指南是以目标为导向的和具体的；旨在帮助您完成特定任务。 如需概念性解释，请参阅概念指南。 如需端到端的详细操作说明，请参阅教程。 如需了解每个类和函数的完整描述，请参阅API 参考文档。

安装​

关键特性​

这突出了使用 LangChain 的核心功能。

LangChain 表达式语言 (LCEL)​

LangChain 表达式语言是一种创建任意自定义链的方法。它基于 Runnable 协议。

LCEL 速查表: 快速了解如何使用主要的 LCEL 原语。

组件​

这些是构建应用程序时可以使用的基础核心模块。

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词。

聊天模型​

聊天模型 是较新形式的语言模型，它们接收消息并输出一条消息。

消息​

消息 是聊天模型的输入和输出。它们具有某些 content 和 role，用于描述消息的来源。

大型语言模型​

LangChain 所称的LLMs是较旧形式的语言模型，它们接收字符串输入并输出字符串。

输出解析器​

输出解析器 负责将 LLM 的输出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 接收文档并将其拆分为可用于检索的块。

嵌入模型​

嵌入模型 接受一段文本并为其创建一个数值化表示。

向量存储​

向量数据库 是能够高效存储和检索嵌入向量的数据库。

检索器​

检索器 负责接收查询并返回相关文档。

索引​

索引化是使您的向量存储与底层数据源保持同步的过程。

工具​

LangChain 工具 包含对工具的描述（用于传递给语言模型）以及要调用的函数的实现。

代理​

注意

如需有关代理的深入操操作指南，请查看 LangGraph 文档。

回调函数​

回调允许您挂钩到LLM应用程序执行的各个阶段。

自定义​

LangChain 的所有组件都可以轻松扩展以支持您自己的版本。

生成式UI​

多模态​

使用案例​

这些指南涵盖特定用例的详细信息。

RAG 问答​

检索增强生成（RAG）是一种将大语言模型与外部数据源连接起来的方法。 关于 RAG 的高级教程，请查看 此指南。

提取​

提取是指使用大型语言模型（LLM）从非结构化文本中提取结构化信息。 关于提取的高级教程，请查看 此指南。

聊天机器人​

聊天机器人涉及使用大型语言模型（LLM）进行对话。 关于构建聊天机器人的高级教程，请查看本指南。

查询分析​

查询分析是利用大语言模型生成查询以发送给检索器的任务。 关于查询分析的高级教程，请查看此指南。

SQL + CSV 问答​

您可以使用大型语言模型（LLMs）对表格数据进行问答。 如需了解高级教程，请查看此指南。

图数据库问答​

您可以使用大型语言模型对图数据库进行问答。 如需高级教程，请查看 此指南。

LangGraph.js​

LangGraph.js 是 LangChain 的一个扩展，旨在通过将步骤建模为图中的边和节点，构建强大且具有状态的多参与者 LLM 应用程序。

LangGraph.js 文档目前托管在另一个网站上。 您可以在此处浏览 LangGraph.js 使用指南。

LangSmith​

LangSmith 可以让你紧密地追踪、监控和评估你的 LLM 应用。 它与 LangChain 和 LangGraph.js 无缝集成，你可以在构建过程中使用它来检查和调试链的各个步骤。

LangSmith 文档托管在单独的网站上。 您可以在此处查阅 LangSmith 操操作指南，但我们将重点介绍以下与 LangChain 特别相关的部分：

评估​

评估性能是构建大语言模型（LLM）驱动应用的关键环节。 LangSmith 协助完成该流程的每一步，从创建数据集、定义指标到运行评估器。

要了解更多，请查看 LangSmith 评估指南。

追踪​

追踪功能可为您的链和代理提供可观测性，对于诊断问题至关重要。

你可以查看与通用追踪相关的操操作指南，位于 LangSmith 文档的这一部分。