粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
Langchain-core：提供基本支撑，支持并行处理、追踪、回调、批量、流式操作、同步等功能。
Langchain-community：整合第三方工具，如模型操作、提示词模板、文件解析、分块、向量化、embedding 等。
Langchain：提供链（Chains）和代理（Agents），用于处理复杂业务逻辑和与外部 API 交互。
2. LangChain Templates：提供一系列容易部署的参考架构，适用于各种任务。
3. LangServe：用于将 LangChain 链部署为 REST API 的库。
4. LangSmith：开发者平台，可提供调试、测试、评估和监控基于任何语言模型框架构建的链，并能无缝与 LangChain 集成。
以下样例展示了如何安装依赖、导入模块、进行 LCEL 语法操作以及引入输出解析器。
# 安装依赖 pip install langchain langchain-openaifrom langchain_openai import ChatOpenAI# 确认环境变量中已经配置OPENAI_API_KEYllm = ChatOpenAI()# 导入提示词模板from langchain_core.prompts import ChatPromptTemplateprompt = ChatPromptTemplate.from_messages([("system", "You are world class technical documentation writer."),("user", "{input}")])# LCEL语法操作chain = prompt | llmchain.invoke({"input": "how can langsmith help with testing?"})# 引入输出解析器from langchain_core.output_parsers import StrOutputParseroutput_parser = StrOutputParser()chain = prompt | llm | output_parserchain.invoke({"input": "how can langsmith help with testing?"})
LangChain 作为大模型应用的构建框架，通过解决诸多开发中的问题，为大模型应用的开发提供了有效解决方案。它帮助开发者在语言模型领域实现了许多复杂操作，让构建现代、高效、安全的语言模型应用变得更加轻松。
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-11-13
只需8步，手把手教你用LangGraph创建AI智能体
2024-11-13
使用 LangChain 建立一个会话式的 RAG Agent 系统
2024-11-12
一文深度了解Agent智能体以及认知架构
2024-11-12
使用LangChain建立检索增强生成（RAG）系统
2024-11-11
Qwen-Agent 核心点说明
2024-11-11
吴恩达分享五个AI趋势，重点谈了多AI代理的美好前景
2024-11-11
使用 LangChain 构建一个 Agent（智能体/代理）
2024-11-10
使用 LangChain 构建一个有记忆的聊天机器人
2024-08-18
2024-04-08
2024-06-03
2024-04-08
2024-04-17
2024-06-24
2024-04-12
2024-04-10
2024-07-01
2024-04-11
2024-10-30
2024-10-11
2024-08-18
2024-08-16
2024-08-04
2024-07-29
2024-07-28
2024-07-27
回到顶部