這個儲存庫將被我們託管的 LangChain Hub 產品取代!請造訪 https://smith.langchain.com/hub |
---|
LangChainHub 的靈感來自 Hugging Face Hub,它集合了所有可用於處理 LangChain 原語(例如提示、鍊和代理)的工件。該儲存庫的目標是成為共享和發現高品質提示、鍊和代理的中心資源,這些提示、鍊和代理結合在一起形成複雜的法學碩士應用程式。
我們從中心開始提供一系列提示,我們期待 LangChain 社群添加到這個集合中。我們希望很快擴展到連鎖店和代理商。
由於我們使用 GitHub 來組織此中心,因此最好透過以下三種方式之一來新增工件:
每種不同類型的工件(如下所列)對於如何上傳它們都有不同的說明。請參閱相應的文件來執行此操作。
在較高層級上,提示是按prompts
目錄中的用例進行組織的。要在 LangChain 中載入提示,您應該使用以下程式碼片段:
from langchain . prompts import load_prompt
prompt = load_prompt ( 'lc://prompts/path/to/file.json' )
除了提示文件本身之外,每個子目錄還包含一個自述文件,解釋如何在適當的 LangChain 鏈中最好地使用該提示。
有關如何在中心組織提示以及如何最好地上傳提示的更多詳細信息,請參閱此處的文檔。
在較高的層次上,鍊是按chains
目錄內的用例組織的。要在 LangChain 中載入一條鏈,您應該使用以下程式碼片段:
from langchain . chains import load_chain
chain = load_chain ( 'lc://chains/path/to/file.json' )
除了鏈文件本身之外,每個子目錄還包含一個自述文件,解釋該鏈包含的內容。
有關如何在 Hub 中組織鏈以及如何最好地上傳鏈的更多詳細信息,請參閱此處的文檔。
在較高層級上,代理程式會依照agents
目錄內的用例進行組織。要在 LangChain 中載入代理,您應該使用以下程式碼片段:
from langchain . agents import initialize_agent
llm = ...
tools = ...
agent = initialize_agent ( tools , llm , agent = "lc://agents/self-ask-with-search/agent.json" )
除了代理文件本身之外,每個子目錄還包含一個自述文件,解釋該代理包含的內容。
有關如何在中心組織代理以及如何最好地上傳代理的更多詳細信息,請參閱此處的文檔。
即將推出!