大模型应用开源技术

langchain

作者头像
项目作者langchain-ai

🦜🔗 Build context-aware reasoning applications

langchain 预览图

langchain 介绍

了解项目的详细信息和使用方法

🦜️🔗 LangChain

生产支持: 当您将LangChains投入生产时,我们非常乐意提供更多的实际支持。 填写此表格以分享更多关于您正在构建的内容,我们的团队会与您联系。

🚨7/28/23对部分链(SQLDatabase)的重大更改

为了使langchain更加精简和安全,我们将部分链移至langchain_experimental。 这个迁移已经开始,但我们仍然向后兼容,直到7/28。 在那个日期,我们将从langchain中删除功能。 在这里阅读更多关于动机和进展的信息。 在这里阅读如何迁移您的代码。

快速安装

pip install langchainpip install langsmith && conda install langchain -c conda-forge

🤔这是什么?

大型语言模型(LLMs)正在成为一种具有变革性的技术,使开发人员能够构建以前无法实现的应用程序。然而,仅仅使用这些LLMs往往不足以创建一个真正强大的应用程序 - 真正的力量来自于将它们与其他计算或知识来源结合起来。

这个库旨在帮助开发这些类型的应用程序。这些应用程序的常见示例包括:

❓ 针对特定文档的问答

💬 聊天机器人

🤖 代理

📖 文档

请参阅这里以获取关于以下内容的完整文档:

  • 入门(安装、设置环境、简单示例)
  • 如何示例(演示、集成、辅助函数)
  • 参考(完整的API文档)
  • 资源(核心概念的高级解释)

🚀 这可以帮助什么?

LangChain的设计旨在帮助六个主要领域。这些领域按照复杂性递增的顺序如下:

📃 LLMs和Prompts:

这包括提示管理、提示优化、通用LLMs接口以及处理LLMs的常用工具。

🔗 链:

链不仅仅是单个LLM调用,它涉及到一系列调用(无论是对LLM还是其他工具)。LangChain提供了链的标准接口、与其他工具的集成以及常见应用程序的端到端链。

📚 数据增强生成:

数据增强生成涉及到特定类型的链,这些链首先与外部数据源进行交互,以获取用于生成步骤的数据。示例包括长文本的摘要和特定数据源的问答。

🤖 代理:

代理涉及到一个LLM对要采取的操作进行决策,执行该操作,观察结果,并重复此过程直到完成。LangChain为代理提供了标准接口、一系列可供选择的代理和端到端代理的示例。

🧠 存储器:

存储器是指在链/代理的调用之间持久化状态。LangChain为存储器提供了标准接口、一组存储器实现和使用存储器的链/代理示例。

🧐 评估:

[BETA] 生成模型在传统度量标准下很难评估。一种新的评估方法是使用语言模型自身进行评估。LangChain提供了一些用于辅助评估的提示/链。

有关这些概念的更多信息,请参阅我们的完整文档

💁 贡献

作为一个开源项目,在一个快速发展的领域,我们非常欢迎贡献,无论是新功能、改进基础设施还是更好的文档。

有关如何贡献的详细信息,请参阅这里

Stars
111.5k
Forks
18.1k
Watch
771
版本 langchain-openai==0.3.28
MIT License
更新于 2025年7月15日
免责声明:本站大资源来自网络收集整理,小部分资源来自原创,如有侵权等,请联系处理。

相关项目

探索更多类似的开源项目