微信扫码
添加专属顾问
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-openai
from langchain_openai import ChatOpenAI
# 确认环境变量中已经配置OPENAI_API_KEY
llm = ChatOpenAI()
# 导入提示词模板
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
("system", "You are world class technical documentation writer."),
("user", "{input}")
])
# LCEL语法操作
chain = prompt | llm
chain.invoke({"input": "how can langsmith help with testing?"})
# 引入输出解析器
from langchain_core.output_parsers import StrOutputParser
output_parser = StrOutputParser()
chain = prompt | llm | output_parser
chain.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,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-06-26
LangChain的OpenAI和ChatOpenAI,到底应该调用哪个?
2025-06-26
开发AI Agent到底用什么框架——LangGraph VS. LlamaIndex
2025-06-24
大模型开发基础:LangChain基础样例
2025-06-19
LangChain ReAct 中文解析器实现
2025-06-16
基于LangGraph多智能体框架的共享内存实现与探索
2025-06-16
一、LangGraph基础入门
2025-06-13
【LangChain 团队重磅实测报告】多智能体架构揭秘:谁才是性能之王?
2025-06-13
大模型_百炼:MCP让我焦虑
2025-05-08
2025-05-06
2025-04-18
2025-06-05
2025-05-28
2025-04-13
2025-04-18
2025-05-19
2025-04-25
2025-04-06
2025-06-26
2025-06-13
2025-05-21
2025-05-19
2025-05-08
2025-05-06
2025-04-22
2025-04-18