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
2024-10-16
Open-canvas：Langchain 官方发布 OpenAI-canvas 开源实现（重塑写作与编程的体验）
2024-10-11
如何LLM Agent框架之间进行选择？
2024-10-10
逐步解析 | 如何使用 LangChain、NestJS 和 Gemma 2 构建一个 Agentic RAG 应用
2024-10-10
AI Agent、低代码、模块化AI开发工具Top级选手深度对比，Dify vs LangChain！一文搞清二者差异与如何选择
2024-09-29
一步步教你LangGraph Studio：可视化调试基于LangGraph构建的AI智能体
2024-09-26
零基础快速构建你的LLM Agent框架，掌握AI的未来！
2024-09-24
langgraph：基于agent和qwen2.5构造一个多功能机器人，私有化部署
2024-09-24
LangChain模块之输入、输出
2024-05-19
2024-07-18
2024-04-11
2024-04-12
2024-04-08
2024-04-08
2024-03-31
2024-05-15
2024-08-18
2024-06-03
2024-10-11
2024-08-27
2024-08-18
2024-08-16
2024-08-04
2024-07-31
2024-07-29
2024-07-28
回到顶部