langchain

？浪鏈

⚡ 建構上下文感知推理應用程式 ⚡

正在尋找 JS/TS 庫？看看 LangChain.js。

為了幫助您更快地將 LangChain 應用程式投入生產，請查看 LangSmith。 LangSmith 是一個用於建置、測試和監控 LLM 應用程式的統一開發者平台。填寫此表格與我們的銷售團隊交談。

快速安裝

用點：

pip install langchain

與康達：

conda install langchain -c conda-forge

？什麼是浪鏈？

LangChain是用於開發由大型語言模型（LLM）支援的應用程式的框架。

對於這些應用程序，LangChain簡化了整個應用程式生命週期：

• 開源程式庫：使用LangChain的開源建置區塊、元件和第三方整合來建立您的應用程式。使用 LangGraph 建立具有一流串流和人機互動支援的有狀態代理。
• 生產化：使用 LangSmith 檢查、監控和評估您的應用程序，以便您可以充滿信心地不斷優化和部署。
• 部署：使用 LangGraph Cloud 將您的 LangGraph 應用程式轉變為生產就緒的 API 和助手。

開源函式庫

• langchain-core ：基礎抽象與 LangChain 表達式語言。
• langchain-community ：第三方整合。
  • 一些整合已進一步拆分為僅依賴langchain-core合作夥伴套件。例如langchain_openai和langchain_anthropic 。
• langchain ：構成應用程式認知架構的鏈、代理和檢索策略。
• LangGraph ：一個函式庫，用於將步驟建模為圖中的邊和節點，使用 LLM 建立健全且有狀態的多角色應用程式。與LangChain順利集成，但也可以脫離LangChain使用。要了解有關 LangGraph 的更多信息，請查看我們的第一門 LangChain Academy 課程LangGraph 簡介（此處提供）。

生產化：

• LangSmith ：一個開發者平台，可讓您調試、測試、評估和監控基於任何 LLM 框架構建的鏈，並與 LangChain 無縫整合。

部署：

• LangGraph Cloud ：將您的 LangGraph 應用程式轉變為生產就緒的 API 和助理。

？使用LangChain可以建構什麼？

❓ 用 RAG 回答問題

• 文件
• 端對端範例：Chat LangChain 和 repo

？提取結構化輸出

• 文件
• 端到端範例：SQL Llama2 模板

？聊天機器人

• 文件
• 端到端範例：Web LangChain（網路研究員聊天機器人）和儲存庫

還有更多！請前往文件的教學部分以了解更多資訊。

浪鏈如何提供協助？

LangChain庫的主要價值道具是：

1. 元件：用於處理語言模型的可組合建構塊、工具和整合。無論您是否使用 LangChain 框架的其餘部分，組件都是模組化且易於使用的
2. 現成的鏈：用於完成更高等級任務的內建組件組合

現成的連鎖店讓您可以輕鬆上手。組件使定制現有鍊和建造新鏈變得容易。

浪鏈表達語言（LCEL）

LCEL 是 LangChain 的關鍵部分，可讓您以簡單、聲明性的方式建立和組織流程鏈。它旨在支援將原型直接投入生產，而無需更改任何程式碼。這表示您可以使用 LCEL 來設定從基本的「提示 + LLM」設定到複雜的多步驟工作流程的所有內容。

• 概述：LCEL 及其優勢
• Interface : LCEL 物件的標準 Runnable 接口
• 原語：有關 LCEL 包含的原語的更多信息
• Cheatsheet ：最常見使用模式的快速概述

成分

組件分為以下模組：

？型號輸入/輸出

這包括提示管理、提示最佳化、聊天模型和 LLM 的通用介面以及用於處理模型輸出的通用實用程式。

檢索

檢索增強生成涉及從各種來源加載數據、準備數據，然後搜尋（也稱為檢索）它以在生成步驟中使用。

？代理商

代理允許法學碩士自主決定如何完成任務。代理決定要採取哪些行動，然後採取該行動，觀察結果，並重複直到任務完成。 LangChain 為代理提供了標準接口，以及用於建立自訂代理的 LangGraph。

文件

請參閱此處以取得完整文檔，其中包括：

• 簡介：框架和文件結構的概述。
• 教學：如果您想要建立特定的東西或更多的是實踐學習者，請查看我們的教學。這是最好的起點。
• 操作指南：回答“我如何…？”輸入問題。這些指南以目標為導向且具體；它們旨在幫助您完成特定任務。
• 概念指南：框架關鍵部分的概念解釋。
• API 參考：每個類別和方法的完整文件。

生態系統

• ？ LangSmith：追蹤和評估您的語言模型應用程式和智慧代理，以幫助您從原型轉向生產。
• ??️ LangGraph：使用 LLM 建立有狀態的多角色應用程式。與LangChain順利集成，但也可以脫離LangChain使用。
• ??️ LangGraph 平台：將使用 LangGraph 建置的 LLM 應用程式部署到生產中。

？貢獻

作為一個快速發展領域的開源項目，我們對貢獻非常開放，無論是新功能、改進的基礎設施還是更好的文件。

有關如何貢獻的詳細信息，請參閱此處。

？貢獻者