亚马逊云服务
与 Amazon AWS 平台相关的 LangChain 集成。
第一方 AWS 集成可在 langchain_aws 包中找到。
pip install langchain-aws
还有一些社区集成可在 langchain_community 包中找到，其中包括可选依赖 boto3。
pip install langchain-community boto3
聊天模型
Bedrock Chat
查看 使用示例。
from langchain_aws import ChatBedrock
语言模型
Bedrock
Amazon Bedrock 是一个全面托管的服务，提供了来自领先人工智能公司如
AI21 Labs、Anthropic、Cohere、Meta、Stability AI和Amazon的高性能基础模型（FMs），通过单一 API 提供了构建生成式人工智能应用所需的广泛功能，包括安全性、隐私和负责任的人工智能。使用Amazon Bedrock，您可以轻松地尝试和评估适用于您用例的顶级 FMs，使用诸如微调和Retrieval Augmented Generation(RAG) 等技术私密定制它们，并构建使用企业系统和数据源执行任务的代理。由于Amazon Bedrock是无服务器的，您无需管理任何基础设施，可以安全地集成和部署生成式人工智能能力到您已经熟悉的 AWS 服务中。
查看 使用示例。
from langchain_aws import BedrockLLM
Amazon API Gateway
Amazon API Gateway 是一个全面托管的服务，使开发人员能够轻松创建、发布、维护、监控和保护任何规模的 API。API 作为应用程序访问后端服务的“前门”。使用
API Gateway，您可以创建支持实时双向通信应用程序的 RESTful API 和 WebSocket API。API Gateway支持容器化和无服务器工作负载，以及 Web 应用程序。
API Gateway处理接受和处理高达数十万个并发 API 调用的所有任务，包括流量管理、CORS 支持、授权和访问控制、限流、监控和 API 版本管理。API Gateway没有最低费用或启动成本。您支付收到的 API 调用和传输的数据量，通过API Gateway分层定价模型，您可以随着 API 使用量的扩展而降低成本。
查看 使用示例。
from langchain_community.llms import AmazonAPIGateway
SageMaker Endpoint
Amazon SageMaker 是一个可以构建、训练和部署机器学习（ML）模型的系统，具有完全托管的基础设施、工具和工作流程。
我们使用 SageMaker 托管我们的模型，并将其公开为 SageMaker Endpoint。
查看 使用示例。
from langchain_aws import SagemakerEndpoint
嵌入模型
Bedrock
查看 使用示例。
from langchain_community.embeddings import BedrockEmbeddings
SageMaker Endpoint
查看 使用示例。
from langchain_community.embeddings import SagemakerEndpointEmbeddings
from langchain_community.llms.sagemaker_endpoint import ContentHandlerBase
文档加载器
AWS S3 目录和文件
Amazon Simple Storage Service (Amazon S3) 是一个对象存储服务。
from langchain_community.document_loaders import S3DirectoryLoader, S3FileLoader
Amazon Textract
Amazon Textract 是一个机器学习（ML）服务，可以自动从扫描文档中提取文本、手写和数据。
查看 使用示例。
from langchain_community.document_loaders import AmazonTextractPDFLoader
Amazon Athena
Amazon Athena 是一个无服务器的交互式分析服务。
在开源框架上，支持开放表格和文件格式。
查看使用示例。
from langchain_community.document_loaders.athena import AthenaLoader
向量存储
亚马逊 OpenSearch 服务
亚马逊 OpenSearch 服务执行交互式日志分析、实时应用程序监控、网站搜索等功能。
OpenSearch是一个源自Elasticsearch的开源、分布式搜索和分析套件。亚马逊 OpenSearch 服务提供OpenSearch的最新版本，支持多个版本的Elasticsearch，以及由OpenSearch Dashboards和Kibana提供支持的可视化功能。
我们需要安装几个 Python 库。
pip install boto3 requests requests-aws4auth
查看使用示例。
from langchain_community.vectorstores import OpenSearchVectorSearch
亚马逊 DocumentDB 向量搜索
Amazon DocumentDB（与 MongoDB 兼容）使得在云中设置、操作和扩展与 MongoDB 兼容的数据库变得简单。通过 Amazon DocumentDB，您可以运行与 MongoDB 相同的应用程序代码，并使用与 MongoDB 相同的驱动程序和工具。Amazon DocumentDB 的向量搜索结合了基于 JSON 的文档数据库的灵活性和丰富的查询能力与向量搜索的强大功能。
安装和设置
查看详细配置说明。
我们需要安装 pymongo Python 包。
pip install pymongo
在 AWS 上部署 DocumentDB
Amazon DocumentDB（与 MongoDB 兼容）是一个快速、可靠且完全托管的数据库服务。Amazon DocumentDB 使得在云中设置、操作和扩展与 MongoDB 兼容的数据库变得简单。
AWS 提供计算、数据库、存储、分析和其他功能的服务。有关所有 AWS 服务的概述，请参阅使用亚马逊网络服务进行云计算。
查看使用示例。
from langchain.vectorstores import DocumentDBVectorSearch
检索器
亚马逊 Kendra
亚马逊 Kendra是由
亚马逊网络服务（AWS）提供的智能搜索服务。它利用先进的自然语言处理（NLP）和机器学习算法，实现跨组织内各种数据源的强大搜索功能。Kendra旨在帮助用户快速准确地找到所需信息，提高生产力和决策能力。
通过
Kendra，我们可以搜索各种内容类型，包括文档、常见问题、知识库、手册和网站。它支持多种语言，能够理解复杂查询、同义词和上下文含义，以提供高度相关的搜索结果。
我们需要安装 langchain-aws 库。
pip install langchain-aws
查看使用示例。
from langchain_aws import AmazonKendraRetriever
亚马逊 Bedrock（知识库）
Amazon Bedrock 的知识库是
亚马逊网络服务（AWS）提供的一项服务，让您可以通过使用私有数据来定制基础模型响应，快速构建 RAG 应用程序。
我们需要安装 langchain-aws 库。
pip install langchain-aws
查看使用示例。
from langchain_aws import AmazonKnowledgeBasesRetriever
工具
AWS Lambda
亚马逊 AWS Lambda是由亚马逊网络服务（AWS）提供的无服务器计算服务。它帮助开发人员构建和运行应用程序和服务，无需预配或管理服务器。这种无服务器架构使您可以专注于编写和部署代码，而 AWS 会自动处理运行应用程序所需的基础设施的扩展、打补丁和管理。
我们需要安装 boto3 Python 库。
pip install boto3
查看使用示例。
存储
AWS DynamoDB
AWS DynamoDB是一个完全托管的
NoSQL数据库服务，提供快速且可预测的性能以及无缝扩展性。
我们需要配置 AWS CLI。
我们需要安装 boto3 库。
pip install boto3
查看使用示例。
from langchain.memory import DynamoDBChatMessageHistory
图表
使用 Cypher 的 Amazon Neptune
查看使用示例。
from langchain_community.graphs import NeptuneGraph
from langchain_community.graphs import NeptuneAnalyticsGraph
from langchain.chains import NeptuneOpenCypherQAChain
使用 SPARQL 的 Amazon Neptune
查看使用示例。
from langchain_community.graphs import NeptuneRdfGraph
from langchain.chains.graph_qa.neptune_sparql import NeptuneSparqlQAChain
回调
SageMaker 跟踪
Amazon SageMaker 是一个完全托管的服务，用于快速轻松地构建、训练和部署机器学习（ML）模型。
Amazon SageMaker Experiments 是
Amazon SageMaker的一个功能，可让您组织、跟踪、比较和评估 ML 实验和模型版本。
我们需要安装几个 Python 库。
pip install google-search-results sagemaker
查看使用示例。
from langchain.callbacks import SageMakerCallbackHandler
链
Amazon Comprehend 审查链
Amazon Comprehend 是一项自然语言处理（NLP）服务，利用机器学习来发现文本中的有价值的见解和联系。
我们需要安装 boto3 和 nltk 库。
pip install boto3 nltk
查看使用示例。
from langchain_experimental.comprehend_moderation import AmazonComprehendModerationChain