- 综合排序
- 最热优先
- 最新优先
- 来自专栏Spring Boot 2.X 系列
LangChain 简介
链式调用：LangChain支持将多个语言模型链式调用，一个模型的输出可以作为另一个模型的输入，实现更复杂的功能。 记忆机制：LangChain有记忆机制来存储信息，在不同的提示调用之间共享上下文。 流式处理：LangChain支持流式处理，可以实时获取语言模型生成的文本。 Python友好：LangChain提供了Python式的API，使用装饰器将普通函数转换为调用语言模型的函数。 可扩展性：LangChain具有很好的可扩展性，可以轻松集成不同的语言模型、提示模板等。 高级功能：LangChain内置了诸如输出解析、可选参数渲染等高级功能来简化开发。 开源：LangChain是一个开源项目，社区活跃，便于进行定制化开发。 核心概念 1. LangChain是一个活跃的开源项目，便于进行定制化开发。
3.1K50编辑于 2023-09-06 - 来自专栏大数据-BigData
Langchain入门
LangChain 是一个用于开发由语言模型支持的应用程序的框架。 LangChain 模板：一系列易于部署的参考架构，适用于各种任务。 LangServe：用于将 LangChain 链部署为 REST API 的库。 这些产品共同简化了整个应用程序生命周期： 开发：在 LangChain/LangChain.js 中编写您的应用程序。 使用模板作为参考开始运行。 LangChain Libraries LangChain包的主要价值道具有： 组件：用于处理语言模型的可组合工具和集成。 API参考 请前往参考部分，获取 LangChain 和 LangChain Experimental Python 包中所有类和方法的完整文档。
1.3K20编辑于 2023-12-11 - 来自专栏Langchain
【LangChain系列】【使用LangChain连接MySQL实践&运行】
一、LangChain1-1、介绍LangChain是一个框架，用于开发由大型语言模型（LLM）驱动的应用程序。 LangChain 简化了 LLM 应用程序生命周期的每个阶段：开发：使用LangChain的开源构建块和组件构建应用程序。使用第三方集成和模板开始运行。 1-2、特点LangChain的特点如下：大语言模型(llm): LangChain为自然语言处理提供了不同类型的模型，这些模型可用于处理非结构化文本数据，并且可以基于用户的查询检索信息PromptTemplates 二、LangChain连接MySQL&run2-1、安装pip install --upgrade --quiet langchain langchain-community langchain-experimental langchain-openaipip install langchain_experimental2-2、导入相关包from langchain_community.chat_models.tongyi
1.5K11编辑于 2024-09-20 - 来自专栏喔家ArchiSelf
解读LangChain
通过融合先进原则，LangChain正在重新定义通过传统API可以实现的极限。此外，LangChain应用程序是主动的，使语言模型能够轻松地与其环境交互和适应。Langchain由几个模块组成。 LangChain 中的核心概念 LangChain简化了Prompt提示词的管理，提供提供了优化能力，为所有LLM提供了通用接口，并包括用于处理LLM的常用程序。 基于LangChain 的典型用例 LangChain 作为一款先进的语言模型应用开发框架，它赋能开发者基于底层语言模型打造出各种智能语言应用。 【参考资料与关联阅读】 LangChain 中文网：https://www.langchain.asia/ LangChain 文档：https://python.langchain.com/docs/ get_started/introduction LangChain 博客：https://blog.langchain.dev/ https://minimaxir.com/2023/07/langchain-problem
2.7K30编辑于 2023-09-28 - 来自专栏磐创AI技术团队的专栏
LangChain库
介绍 让我们首先来了解LangChain的基本构建块——即链。 LangChain中的链是什么？ 链是通过以逻辑方式连接一个或多个大型语言模型（LLMs）而获得的。 from langchain.llms import OpenAI from langchain.chains import LLMChain llm = OpenAI( model_name 附言：检查LangChain中任何链的base.py中的_call()是一个很好的实践，以了解底层工作原理。 LangChain支持许多代理，但坦率地说，我在教程和YouTube视频中遇到的最常见的代理是zero-shot-react-description。 from langchain.agents import initialize_agent from langchain.agents import AgentType from langchain.agents
61910编辑于 2024-03-12 - 来自专栏JavaEdge
初识LangChain
1 langchain是什么以及发展过程 LangChain是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序的过程，也是ReAct(reason+act)论文的落地实现。 LangChain提供支持 检索增强生成式的Chain。使用时，这些 Chain 会首先与外部数据源进行交互以获得对应数据，然后再利用获得的数据与 LLMs 进行交互。 LangChain 为 代理 提供了标准接口，可供选择的代理，以及一些端到端的代理的示例 Memory chain 或 agent 调用之间的状态持久化。 LangChain 为 内存 提供了准接口三并提供了↖系烈COn的 内存 实现 Evaluation LangChain 还提供了非常多的评估能力以允许我们可以更方便的对 LLMs 进行评估 3 langchain 官网：https://python.langchain.com 命令安装 $ pip install langchain $ conda install langchain -c conda-forge
31510编辑于 2025-06-01 - 来自专栏Langchain
【LangChain系列1】【LangChain表达式 (LCEL)】
一、LangChain1-1、介绍LangChain是一个框架，用于开发由大型语言模型（LLM）驱动的应用程序。 LangChain 简化了 LLM 应用程序生命周期的每个阶段：开发：使用LangChain的开源构建块和组件构建应用程序。使用第三方集成和模板开始运行。 （即，其中的每个模块抽象，都是源于对大模型的深入理解和实践经验，由许多开发者提供出来的标准化流程和解决方案的抽象，再通过灵活的模块化组合，才得到了langchain）1-2、LangChain抽象出来的核心模块想象一下 由上边的内容，引出LangChain抽象的一些核心模块：LangChain通过模块化的方式去高级抽象LLM在不同场景下的能力，其中LangChain抽象出的最重要的核心模块如下：‘Model I/O ： 1-5、安装pip install langchain二、LangChain表达式——LCEL2-1、LCEL介绍LangChain 表达式语言（LCEL）是一种声明式的方法，用于轻松组合多个组件来构建复杂的处理链条
86921编辑于 2025-01-03 - 来自专栏Langchain
【LangChain系列】【基于Langchain的Pandas&csv Agent】
一、LangChain1-1、介绍LangChain是一个框架，用于开发由大型语言模型（LLM）驱动的应用程序。 LangChain 简化了 LLM 应用程序生命周期的每个阶段：开发：使用LangChain的开源构建块和组件构建应用程序。使用第三方集成和模板开始运行。 1-2、特点LangChain的特点如下：大语言模型(llm): LangChain为自然语言处理提供了不同类型的模型，这些模型可用于处理非结构化文本数据，并且可以基于用户的查询检索信息PromptTemplates 二、Pandas&csv Agent2-1、安装pip install --upgrade --quiet langchain langchain-community langchain-experimental /GPT开发LangChain官网
96410编辑于 2024-09-25 - 来自专栏Michael阿明学习之路
LangChain学习：chains
LLMRouterChain learn from https://learn.deeplearning.ai/langchain 1. LLMChain from config import api_type, api_key, api_base, api_version, model_name from langchain.chat_models import AzureChatOpenAI from langchain.chains import LLMChain from langchain.prompts import ChatPromptTemplate import MultiPromptChain from langchain.chains.router.llm_router import LLMRouterChain, RouterOutputParser from langchain.prompts import PromptTemplate destination_chains = {} for p_info in prompt_infos:
59920编辑于 2023-07-21 langChain 快速入门
langChain快速入门一、LangChain表达式语言在没有LangChain之前，你可能需要手动拼接字符串、调用API、再手动解析返回的文本。 LangChain通过LCEL（LangChain表达式语言）将这些步骤标准化。一个基础的链通常由三个核心组件组成：PromptTemplate(提示词模板)：将用户的原始输入格式化为结构化的指令。 在LangChain中，提示词模板就像是一个“填空题”。它不仅包含你对AI的指令，还预留了变量位置，方便我们重复使用。 在LangChain中，我们可以轻松切换不同的模型（如OpenAI、Anthropic或国产模型）。 4.运行你的第一个链在LangChain中，我们使用.invoke()方法来触发这个链。我们将这三个参数放在一个字典（Dictionary）里传进去。
5710编辑于 2026-03-11- 来自专栏周末程序猿
ChatGPT|LangChain介绍
什么是LangChain？ 因此需要用LangChain来管理这些prompt。 LangChain的出现，简化了我们在使用ChatGPT的工程复杂度。 LangChain中的模块，每个模块如何使用？ from langchain.agents import initialize_agent from langchain.agents import load_tools from langchain.chains 具体代码 如下： # 导入LLM包装器 from langchain import OpenAI, ConversationChain from langchain.agents import initialize_agent from langchain.agents import load_tools from langchain.chains import LLMChain from langchain.prompts
1.6K32编辑于 2023-04-17 - 来自专栏Michael阿明学习之路
LangChain学习：memory
ConversationSummaryBufferMemory learn from https://learn.deeplearning.ai/langchain/lesson/3/memory import AzureChatOpenAI from langchain.chains import ConversationChain from langchain.memory import ConversationBufferMemory ConversationTokenBufferMemory 只能记住一定数量的 token from langchain.memory import ConversationTokenBufferMemory \ 上午9点至下午12点有时间处理您的LangChain项目，因为Langchain是一个如此强大的工具。 由于 langchain 的内置附加 提示词 都是英文的，这个输出的对话总结不是预期的中文 继续对话 conversation = ConversationChain( llm=model,
89410编辑于 2023-07-21 - 来自专栏从流域到海域
LangChain手记 Overview
整理并翻译自DeepLearning.AI×LangChain的官方课程：Overview 综述（Overview） LangChain是为大模型应用开发设计的开源框架 LangChain目前提供 Python和JavaScript（TypeScript）两种语言的包 LangChain的主攻方向是聚合和模块化 核心附加值： 模块化的组件 用例：针对常见组合组件的方式提供了简单易用的模板 组件
29540编辑于 2023-10-12 - 来自专栏从流域到海域
LangChain手记 Chains
整理并翻译自DeepLearning.AI×LangChain的官方课程：Chains（源代码可见） Chains 直译链，表达的意思更像是对话链，对话链的背后是思维链 LLM Chain
47730编辑于 2023-10-12 - 来自专栏从流域到海域
LangChain手记 Memory
整理并翻译自DeepLearning.AI×LangChain的官方课程：Memory（源码可见） Memory 使用open ai的API调用GPT都是单次调用，所以模型并不记得之前的对话，多轮对话的实现其实是将前面轮次的对话过程保留 构建对话流（LangChain称作对话链）可以使用LangChain提供的memory（记忆）这个组件来实现，本节就是例子： 设置verbose标志为true能看到完整的对话链： 能看出LangChain的ConversationChain其实默认提供了一个提示词，该提示词简单设定了对话场景和GPT扮演的角色AI，并要求GPT在不知晓问题答案时老老实实回答不知道以杜绝幻觉现象。 Memory（记忆） 大语言模型是无状态的 每一个对话都是独立的 对话机器人表现出记忆能力其实是因为实现的时候将整个对话作为上下文输入给了大语言模型 LangChain提供了多种类型的memory
63830编辑于 2023-10-12 - 来自专栏Michael阿明学习之路
LangChain学习：评估
评估 手动评估 LLM评估 learn from https://learn.deeplearning.ai/langchain 1. import RetrievalQA from langchain.chat_models import ChatOpenAI from langchain.document_loaders import CSVLoader from langchain.indexes import VectorstoreIndexCreator from langchain.vectorstores import DocArrayInMemorySearch LLM生成测试样例 from langchain.evaluation.qa import QAGenerateChain from langchain.output_parsers import RegexParser 不能同时对多个文档进行操作，换了个账号，可以了 手动评估 import langchain langchain.debug = True qa.run(examples[0]["query"]) 输出：
74520编辑于 2023-07-21 - 来自专栏Langchain
【LangChain系列7】【LangChain实战—客服机器人项目】
一、LangChain1-1、介绍LangChain是一个框架，用于开发由大型语言模型（LLM）驱动的应用程序。 LangChain 简化了 LLM 应用程序生命周期的每个阶段：开发：使用LangChain的开源构建块和组件构建应用程序。使用第三方集成和模板开始运行。 （即，其中的每个模块抽象，都是源于对大模型的深入理解和实践经验，由许多开发者提供出来的标准化流程和解决方案的抽象，再通过灵活的模块化组合，才得到了langchain）添加描述1-2、LangChain抽象出来的核心模块想象一下 由上边的内容，引出LangChain抽象的一些核心模块：LangChain通过模块化的方式去高级抽象LLM在不同场景下的能力，其中LangChain抽象出的最重要的核心模块如下：‘Model I/O ： 1-5、安装pip install langchain二、基于LangChain的客服机器人实战2-1、依赖安装faiss: 向量搜索工具，如果有GPU的话，可以安装GPU版本，这里使用的是CPU版本。
2.8K11编辑于 2025-01-14 langchain qianfan 使用
前言注：langchain-wenxin （https://github.com/ninehills/langchain-wenxin）这个项⽬不再维护，因为langchain 已经⽀持了。 langchain 官⽹：https://python.langchain.com/docs/integrations/chat/baidu_qianfan_endpointpip3 install langchainpip3
27300编辑于 2024-07-05- 来自专栏码上遇见你
LangChain基础入门
链式结构首先其实LangChain中的Chain实际上就是一个链式结构。 那我们如何使用LangChain如获取最新的结果呢，比如最新的一些新闻。这时候就要通过互联网，而LangChain解决这个问题的办法就是提供了一个代理人模块。 = OpenAI()# 加载代理工具对象 llm-mathfrom langchain.agents import initialize_agentfrom langchain.agents import 图片：源码：langchain-llm-chat.ipynbLangChain相关文档入门教程https://python.langchain.com/docs/get_started集成组件https /langchain至此，本次入门的教程到此结束了，感谢你的阅读。
1.3K50编辑于 2023-11-15 - 来自专栏OpenVINO
OpenVINO与LangChain
LangChain LangChain 是一个用于构建语言模型驱动应用的框架。它旨在通过语言模型（如OpenAI的GPT-4）来增强和简化开发者创建复杂的自然语言处理（NLP）应用的过程。 LangChain 提供了模块化的工具和组件，使开发者能够轻松地集成和扩展不同的NLP功能。 以下是LangChain的主要特点和组件： 文档处理：LangChain 提供了强大的文档处理工具，支持从多个数据源（如本地文件、API、数据库等）加载和处理文档。 可扩展性：LangChain 设计为高度可扩展，开发者可以方便地集成第三方工具和库，或编写自定义组件来扩展其功能。 对话管理：LangChain 提供了对话管理工具，可以处理多轮对话和上下文跟踪。 支持多种语言模型：除了OpenAI的模型，LangChain 还支持其他语言模型和提供了统一的接口，简化了不同模型之间的切换和集成。
38400编辑于 2024-05-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号