langchain

?️? LangChain

⚡ Membangun aplikasi penalaran sadar konteks ⚡

Mencari perpustakaan JS/TS? Lihat LangChain.js.

Untuk membantu Anda mengirimkan aplikasi LangChain ke produksi dengan lebih cepat, lihat LangSmith. LangSmith adalah platform pengembang terpadu untuk membangun, menguji, dan memantau aplikasi LLM. Isi formulir ini untuk berbicara dengan tim penjualan kami.

Instal Cepat

Dengan pip:

pip install langchain

Dengan conda:

conda install langchain -c conda-forge

? Apa itu LangChain?

LangChain adalah kerangka kerja untuk mengembangkan aplikasi yang didukung oleh model bahasa besar (LLM).

Untuk aplikasi ini, LangChain menyederhanakan seluruh siklus hidup aplikasi:

• Pustaka sumber terbuka : Bangun aplikasi Anda menggunakan blok penyusun sumber terbuka, komponen, dan integrasi pihak ketiga LangChain. Gunakan LangGraph untuk membangun agen stateful dengan streaming kelas satu dan dukungan human-in-the-loop.
• Produksi : Periksa, pantau, dan evaluasi aplikasi Anda dengan LangSmith sehingga Anda dapat terus mengoptimalkan dan menerapkan dengan percaya diri.
• Penerapan : Ubah aplikasi LangGraph Anda menjadi API dan Asisten siap produksi dengan LangGraph Cloud.

Perpustakaan sumber terbuka

• langchain-core : Abstraksi dasar dan Bahasa Ekspresi LangChain.
• langchain-community : Integrasi pihak ketiga.
  • Beberapa integrasi telah dipecah lagi menjadi paket mitra yang hanya mengandalkan langchain-core . Contohnya termasuk langchain_openai dan langchain_anthropic .
• langchain : Rantai, agen, dan strategi pengambilan yang membentuk arsitektur kognitif aplikasi.
• LangGraph : Pustaka untuk membangun aplikasi multi-aktor yang kuat dan stateful dengan LLM dengan memodelkan langkah-langkah sebagai tepi dan simpul dalam grafik. Terintegrasi dengan lancar dengan LangChain, tetapi dapat digunakan tanpa LangChain. Untuk mempelajari lebih lanjut tentang LangGraph, lihat kursus LangChain Academy pertama kami, Pengantar LangGraph , tersedia di sini.

Produksi:

• LangSmith : Platform pengembang yang memungkinkan Anda melakukan debug, menguji, mengevaluasi, dan memantau rantai yang dibangun pada kerangka LLM apa pun dan terintegrasi secara mulus dengan LangChain.

Penyebaran:

• LangGraph Cloud : Ubah aplikasi LangGraph Anda menjadi API dan Asisten yang siap produksi.

? Apa yang bisa Anda bangun dengan LangChain?

❓ Menjawab pertanyaan dengan RAG

• Dokumentasi
• Contoh ujung ke ujung: Obrolan LangChain dan repo

? Mengekstraksi keluaran terstruktur

• Dokumentasi
• Contoh ujung ke ujung: Templat SQL Llama2

? bot obrolan

• Dokumentasi
• Contoh End-to-end: Web LangChain (chatbot peneliti web) dan repo

Dan masih banyak lagi! Kunjungi bagian Tutorial di dokumen untuk informasi lebih lanjut.

Bagaimana LangChain membantu?

Alat peraga nilai utama perpustakaan LangChain adalah:

1. Komponen : blok penyusun, alat, dan integrasi yang dapat disusun untuk bekerja dengan model bahasa. Komponen bersifat modular dan mudah digunakan, baik Anda menggunakan kerangka LangChain lainnya atau tidak
2. Rantai siap pakai : kumpulan komponen bawaan untuk menyelesaikan tugas tingkat yang lebih tinggi

Rantai siap pakai memudahkan untuk memulai. Komponen memudahkan penyesuaian rantai yang ada dan membangun rantai baru.

Bahasa Ekspresi LangChain (LCEL)

LCEL adalah bagian penting dari LangChain, memungkinkan Anda membangun dan mengatur rantai proses secara langsung dan deklaratif. Ini dirancang untuk mendukung pengambilan prototipe langsung ke produksi tanpa perlu mengubah kode apa pun. Ini berarti Anda dapat menggunakan LCEL untuk mengatur segalanya mulai dari pengaturan dasar "prompt + LLM" hingga alur kerja multi-langkah yang rumit.

• Ikhtisar : LCEL dan manfaatnya
• Antarmuka : Antarmuka Runnable standar untuk objek LCEL
• Primitif : Lebih lanjut tentang primitif yang termasuk dalam LCEL
• Cheatsheet : Ikhtisar singkat tentang pola penggunaan yang paling umum

Komponen

Komponen termasuk dalam modul berikut:

? Model I/O

Ini mencakup manajemen cepat, pengoptimalan cepat, antarmuka umum untuk model obrolan dan LLM, dan utilitas umum untuk bekerja dengan keluaran model.

Pengambilan

Retrieval Augmented Generation melibatkan memuat data dari berbagai sumber, mempersiapkannya, lalu mencari (alias mengambil dari) data tersebut untuk digunakan dalam langkah pembuatan.

? Agen

Agen mengizinkan otonomi LLM atas bagaimana suatu tugas diselesaikan. Agen membuat keputusan tentang Tindakan mana yang harus diambil, kemudian mengambil Tindakan tersebut, mengamati hasilnya, dan mengulanginya hingga tugas selesai. LangChain menyediakan antarmuka standar untuk agen, bersama dengan LangGraph untuk membangun agen khusus.

Dokumentasi

Silakan lihat di sini untuk dokumentasi lengkap, yang meliputi:

• Pendahuluan: Ikhtisar kerangka kerja dan struktur dokumen.
• Tutorial: Jika Anda ingin membangun sesuatu yang spesifik atau lebih suka belajar langsung, lihat tutorial kami. Ini adalah tempat terbaik untuk memulai.
• Panduan cara: Jawaban untuk “Bagaimana caranya….?” mengetik pertanyaan. Panduan ini berorientasi pada tujuan dan konkrit; mereka dimaksudkan untuk membantu Anda menyelesaikan tugas tertentu.
• Panduan konseptual: Penjelasan konseptual tentang bagian-bagian penting dari kerangka kerja.
• Referensi API: Dokumentasi menyeluruh untuk setiap kelas dan metode.

Ekosistem

• ? LangSmith: Lacak dan evaluasi aplikasi model bahasa dan agen cerdas Anda untuk membantu Anda beralih dari prototipe ke produksi.
• ??️ LangGraph: Membuat aplikasi multi-aktor yang stateful dengan LLM. Terintegrasi dengan lancar dengan LangChain, tetapi dapat digunakan tanpa LangChain.
• ??️ Platform LangGraph: Menerapkan aplikasi LLM yang dibangun dengan LangGraph ke dalam produksi.

? Berkontribusi

Sebagai proyek sumber terbuka di bidang yang berkembang pesat, kami sangat terbuka terhadap kontribusi, baik dalam bentuk fitur baru, peningkatan infrastruktur, atau dokumentasi yang lebih baik.

Untuk informasi rinci tentang cara berkontribusi, lihat di sini.

? Kontributor