Skip to main content

操作指南

在这里，您将找到“我该如何……？”类型问题的答案。

这些指南是目标导向和具体的；它们旨在帮助您完成特定任务。

有关概念性解释，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​

主要功能​

这些功能是使用 LangChain 的核心。

LangChain 表达语言 (LCEL)​

LangChain 表达语言 是创建任意自定义链的一种方式。它建立在Runnable 协议之上。

LCEL 技巧表：快速了解如何使用主要的 LCEL 原语。

组件​

这些是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格式化为可以传递给语言模型的格式。

示例选择器​

示例选择器负责选择要传递给提示的正确少量示例。

聊天模型​

聊天模型是一种较新的语言模型形式，它接收消息并输出消息。

LLMs​

LangChain 称之为 LLMs 的是接收字符串并输出字符串的较旧形式的语言模型。

输出解析器​

输出解析器负责将 LLM 的输出解析为更结构化的格式。

文档加载器​

文档加载器负责从各种来源加载文档。

文本分割器​

文本分割器将文档分割成可用于检索的块。

嵌入模型​

嵌入模型接受一段文本并为其创建数值表示。

向量存储​

向量存储是能够高效存储和检索嵌入的数据库。

检索器​

检索器负责接受查询并返回相关文档。

索引​

索引是将您的向量存储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（用于传递给语言模型）以及要调用的函数的实现。

代理​

note

有关代理的深入操作指南，请查看LangGraph文档。

回调​

自定义​

LangChain 的所有组件都可以轻松扩展以支持您自己的版本。

使用案例​

这些指南涵盖了特定用例的详细信息。

与RAG进行问答​

检索增强生成（RAG）是将LLM连接到外部数据源的一种方式。

提取​

提取是指使用LLM从非结构化文本中提取结构化信息。

聊天机器人​

聊天机器人涉及使用LLM进行对话。

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。

SQL + CSV上的问答​

您可以使用LLM对表格数据进行问答。

图数据库上的问答​

您可以使用LLM对图数据库进行问答。

Was this page helpful?


You can leave detailed feedback on GitHub.