Skip to main content

操作指南

在这里，您将找到“我如何....？”类型的问题的答案。 这些指南以目标为导向且具体;它们旨在帮助您完成特定任务。 有关概念说明，请参阅概念指南。 有关端到端演练，请参阅教程。 有关每个类和函数的全面描述，请参阅 API 参考。

安装

主要特点

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。它建立在Runnable协议。

LCEL 速查表：有关如何使用主要 LCEL 基元的快速概述。

组件

这些是您在构建应用程序时可以使用的核心构建块。

提示模板

提示模板负责将用户输入的格式格式化为可传递给语言模型的格式。

选择器示例

示例 选择器 负责选择正确的几个镜头示例以传递给提示符。

聊天模型

聊天模型是较新的语言模型形式，用于接收消息并输出消息。

消息

消息是聊天模型的输入和输出。他们有一些content以及role，它描述了消息的来源。

LLM

LangChain 所说的 LLM 是旧形式的语言模型，它们接受字符串并输出字符串。

输出解析器

Output Parser 负责获取 LLM 的输出并解析为更结构化的格式。

文档加载器

Document Loader 负责从各种来源加载文档。

文本拆分器

文本拆分器获取文档并拆分为可用于检索的块。

嵌入模型

Embedding Models 获取一段文本并创建它的数字表示。

矢量存储

向量存储是可以有效存储和检索嵌入的数据库。

Retriever

检索器负责执行查询并返回相关文档。

索引

索引是使 vectorstore 与底层数据源保持同步的过程。

工具

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

代理

注意

有关代理的深入操作指南，请查看 LangGraph 文档。

回调

回调允许您挂接到 LLM 应用程序执行的各个阶段。

自定义

所有 LangChain 组件都可以轻松扩展以支持您自己的版本。

生成式 UI

模 态

使用案例

这些指南涵盖了特定于用例的详细信息。

与 RAG 的问答

检索增强生成 （RAG） 是一种将 LLM 连接到外部数据源的方法。 有关 RAG 的高级教程，请查看本指南。

萃取

提取是指使用 LLM 从非结构化文本中提取结构化信息。 有关提取的高级教程，请查看本指南。

聊天机器人

聊天机器人涉及使用 LLM 进行对话。 有关构建聊天机器人的高级教程，请查看本指南。

查询分析

查询分析是使用 LLM 生成要发送到检索器的查询的任务。 有关查询分析的高级教程，请查看本指南。

通过 SQL + CSV 的问答

您可以使用 LLM 对表格数据进行问答。 有关高级教程，请查看本指南。

关于图形数据库的 Q&A

您可以使用 LLM 对图形数据库进行问答。 有关高级教程，请查看本指南。

LangGraph.js

LangGraph.js 是 LangChain 的扩展，旨在 通过将步骤建模为图形中的边和节点，使用 LLM 构建健壮且有状态的多参与者应用程序。

LangGraph.js 文档当前托管在单独的站点上。 您可以在此处仔细阅读LangGraph.js操作指南。

LangSmith

LangSmith 允许您密切跟踪、监控和评估您的 LLM 应用程序。 它与 LangChain 和 LangGraph.js 无缝集成，您可以在构建时使用它来检查和调试链的各个步骤。

LangSmith 文档托管在单独的站点上。 您可以在此处仔细阅读 LangSmith操作指南，但我们将重点介绍几个特别 与 LangChain 相关如下：

评估

评估性能是构建 LLM 支持的应用程序的重要组成部分。 LangSmith 帮助完成从创建数据集到定义指标再到运行评估器的整个过程的每一步。

要了解更多信息，请查看 LangSmith 评估操作指南。

追踪

跟踪为您提供链和代理内部的可观察性，对于诊断问题至关重要。

您可以在 LangSmith 文档的这一部分中查看与跟踪相关的一般作方法。