在这里，你会找到针对 “我该如何……？” 类型问题的答案。这些指南是以实际目标为导向；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。

有关端到端的演练，请参阅教程。

有关每个类和函数的详细描述，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。它构建在 Runnable 协议之上。

LCEL 快速参考：快速了解如何使用主要的 LCEL 基元。

组件

这些是构建应用程序时可以使用的核心构建模块。

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 的是一种较早的语言模型形式，它接收字符串并输出字符串。

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源加载文档。

文本拆分器

文本拆分器将文档拆分成可用于检索的块。

嵌入模型

嵌入模型接收一段文本并创建其数值表示。

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

检索器负责接收查询并返回相关文档。

索引

索引是将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。

多模态

代理

注意

有关代理的深入指南，请查看 LangGraph 文档。

回调

自定义

LangChain 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。

使用 RAG 进行问答

检索增强生成（RAG）是一种将 LLM 与外部数据源连接起来的方式。

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 生成要发送给检索器的查询的任务。

在 SQL + CSV 上进行问答

您可以使用 LLM 在表格数据上进行问答。

在图数据库上进行问答

您可以使用 LLM 在图数据库上进行问答。