LangChain 是什么？

LangChain 是一个强大的开源框架，旨在简化使用大型语言模型（LLM）创建应用程序的过程。它提供了一个标准的接口，用于将不同的组件“链接”在一起，使开发人员能够创建复杂的、数据感知的和具有代理能力的应用。通过将LLM连接到外部数据源并使其能够与环境交互，LangChain超越了简单的API调用，构建了真正复杂的AI系统。

主要特点

• 模块化组件： LangChain建立在一套模块化的抽象之上，包括模型、提示、索引、内存、链和代理，这些都可以轻松组合和定制。
• 链（Chains）： 将LLM与其他组件结合起来，执行一系列操作。简单的链连接一个提示和一个LLM，而更复杂的链可能涉及多个步骤和数据源。
• 代理和工具（Agents and Tools）： 赋予LLM决策、采取行动和观察结果的能力。您可以为代理提供“工具”（如搜索引擎、API或数据库），它们将智能地决定使用哪些工具来完成任务。
• 检索增强生成（RAG）： 将LLM连接到您的私有数据。LangChain提供工具来加载、转换、存储和查询您的数据，使LLM能够根据其未训练过的信息回答问题。
• 记忆（Memory）： 使链或代理能够记住以前的交互，从而创建连贯的对话体验。

使用案例

• 上下文感知聊天机器人： 构建可以访问私人文档以提供准确、相关答案的智能聊天机器人。
• 问答系统： 创建可以针对特定文档（例如公司内部知识库）回答问题的系统。
• 自主代理： 开发可以执行多步骤任务的代理，例如通过与预订API交互来预订航班，或通过浏览网页进行研究。
• 数据分析： 通过赋予模型编写和执行查询的能力，使用LLM分析结构化数据（例如来自SQL数据库）。
• 摘要： 自动总结长文档、文章或对话。

入门指南

这是一个使用Python和OpenAI的“Hello World”风格的LangChain示例。

首先，安装必要的包： ```bash pip install langchain langchain-openai

接下来，将您的OpenAI API密钥设置为环境变量： ```bash export OPENAI_API_KEY=”your-api-key-here”

现在，您可以创建一个简单的链来生成公司名称： ```python from langchain_openai import ChatOpenAI from langchain_core.prompts import ChatPromptTemplate from langchain_core.output_parsers import StrOutputParser

1. 初始化LLM

llm = ChatOpenAI(model=”gpt-3.5-turbo”)

2. 创建提示模板

prompt = ChatPromptTemplate.from_messages([ (“system”, “你是一位富有创意的命名顾问。”), (“user”, “为一家制造{product}的公司取个好名字叫什么？”) ])

3. 创建输出解析器

output_parser = StrOutputParser()

4. 使用LangChain表达式语言（LCEL）构建链

chain = prompt | llm | output_parser

5. 使用输入调用链

response = chain.invoke({“product”: “环保水瓶”})

print(response)

定价

核心的LangChain框架是开源的，并在MIT许可下免费使用。该公司还提供LangSmith，这是一个用于调试、测试、评估和监控LLM应用程序的配套平台，它采用免费增值模式，为高级功能和更高使用量提供付费层级。