教程

提示

对LangChain或LLM应用程序开发不熟悉吗？阅读本文可以快速上手并开始构建您的第一个应用程序。

如果您希望快速使用聊天模型、矢量存储或来自特定提供商的其他LangChain组件，请查看我们支持的集成。

有关使用常见LangChain组件的更多详细信息，请参阅操作指南。

有关所有LangChain概念的高级解释，请参阅概念文档。

基础教程

使用外部知识

  • 检索增强生成（RAG）：构建使用您自己的文档通知其响应的应用程序。
  • 会话RAG：构建一个包含用户交互记忆的RAG应用程序。
  • 使用SQL进行问答：构建一个问答系统，该系统执行SQL查询以通知其响应。
  • 查询分析：构建一个分析问题的RAG应用程序，以生成过滤器和其他结构化查询。
  • 本地RAG：使用在您的机器上本地运行的llm构建RAG应用程序。
  • 图形数据库问答：构建一个问答系统，查询图形数据库以告知其响应。
  • 使用pdf进行问答：构建一个问答系统，该系统可以摄取pdf并使用它们来通知其回答。

专门的任务

  • 提取：从文本和其他非结构化媒体中提取结构化数据。
  • 合成数据：使用llm生成合成数据。
  • 分类：将文本划分为类别或标签。
  • 摘要：生成文本（可能很长）的摘要。

LangGraph

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

LangGraph文档目前托管在一个单独的站点上。您可以在这里阅读LangGraph教程。

LangSmith

朗史密斯允许您密切跟踪，监控和评估您的法学硕士申请。它与LangChain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文档托管在一个单独的站点上。你可以在这里阅读LangSmith教程。

评估

LangSmith帮助您评估LLM应用程序的性能。下面的教程是一个很好的入门方法：

Last Updated:
Contributors: tcnxm23