Langchain入门简介

一、基本介绍

LangChain是一个基于语言模型开发应用程序的框架。Langchain旨在简化与大模型交互、数据检索以及将不同功能模块串联起来以完成复杂任务的过程。可以实现以下功能的应用程序：

• • 具有上下文感知能力：将语言模型与上下文来源（提示指令、少量示例、内容等）连接起来，以为回答提供依据。
  • 具备逻辑推理能力：依赖于语言模型进行推理（根据提供的上下文来回答问题，采取何种行动等）。

LangChain专注于构建多模态、多模型联合推理方面，允许开发者构建复杂的基于自然语言处理的应用，通过将多个预训练模型进行联合推理，来提供更强大的语义理解和生成能力。

1、LangChain优势

LangChain软件包的主要价值在于：预制链使得初学者可以快速上手，而组件则使得用户能够轻松定制旧链并构建新链。

（1）组件（Components）：LangChain中的组件都是模块化且易于使用的，支持组合工具、集成环境与语言模型协同运行。

（2）预制链（Off-the-shelf chains）：指预先设计和构建好的、可以直接使用的链（chains），这些组件集合可用于完成更高级别的任务。

2、LangChain架构

（1）LangChain Libraries：即Python和JavaScript依赖库。包含大量组件的接口和集成环境，以及将这些组件组合成链(chains)和代理(agents)的基础运行时环境，并且还提供了现成的链(chains)和代理(agents)实现。

（2）LangChain Templates：一系列适用于多种任务且便于快速部署的参考架构集合。

（3）LangServe：用于将LangChain链(chains)部署为REST API的库。

（4）LangSmith：一个开发者平台，允许调试、测试、评估和监控基于任何LLM框架构建的链(chains)，并能无缝集成到LangChain中。

以上这些产品共同简化了整个应用程序生命周期：

• • 开发阶段：使用LangChain或LangChain.js编写应用程序，并使用参考模板快速启动项目。
  • 生产阶段：利用LangSmith来检查、测试和监控链(chains)，以便可以持续改进并在确保质量的前提下部署应用。
  • 部署阶段：通过LangServe将任何链(chains)转换为API，实现便捷部署与调用。

3、LangChain库

LangChain库本身由几个不同的软件包组成：

（1）langchain-core

LangChain 核心包，包括了基础功能、核心API、LangChain表达式语言、数据存储与访问机制、模型集成接口等关键组件。任何使用 LangChain 构建应用的基础都会依赖这个核心库。

（2）langchain-community

LangChain 第三方集成包，由社区维护和贡献的扩展包、插件、示例代码、教程以及最佳实践集合。这部分内容并不属于 LangChain 核心库的一部分，而是围绕着核心库形成的生态系统，为开发者提供更多的资源和支持。LangChain-community 为以下模块提供了标准的、可扩展的接口和集成环境：

• • 模型IO（Model I/O）： 提供与各类语言模型进行交互的接口，能够方便地向模型输入数据，读取模型输出信息。
  • 数据检索（Retrieval）： 提供与指定数据源对接的接口，可以高效查询和获取应用程序所需的指定数据。
  • 代理（Agents）： 设计了能够让模型根据高级指令，自主选择使用何种工具或服务的机制，增强了模型处理复杂任务的能力。

（3）langchain

LangChain 基础包，包含构成应用程序认知架构的链（chains）、代理（agents）、检索策略。

4、LangChain表达式语言

LangChain表达式语言 (LCEL，LangChain Expression Languag是一种声明式构建链的方法。LCEL 从设计之初就致力于将原型直接应用于生产，无需更改代码。无论是最简单的“prompt + LLM”链，还是最复杂的链都可以实现这一目标。

概述：LCEL基本介绍

接口：LCEL对象的标准接口

特点：LCEL的主要特点

Cookbook：常见任务的示例代码

5、LangChain模块

LangChain中的常用模块按照逐渐增加的复杂性排列如下：

（1）模型（models）：LangChain 支持的各种模型类型和模型集成。

（2）提示（prompts）：包括提示词管理、提示词优化和提示词序列化。

（3）内存（memory）：内存是在链/代理调用之间保持状态的概念。LangChain 提供了一个标准的内存接口、一组内存实现及使用内存的链/代理示例。

（4）索引（indexes）：与文本数据结合使用时，语言模型往往更加强大——此模块涵盖了执行此操作的最佳实践。

  （5）链（chains）：链不仅仅是单个 LLM 调用，还包括一系列调用（无论是调用 LLM 还是不同的实用工具）。LangChain 提供了一种标准的链接口、许多与其他工具的集成。LangChain 提供了用于常见应用程序的端到端的链调用。

（6）代理（agents）：代理涉及 LLM 做出行动决策、执行该行动、查看一个观察结果，并重复该过程直到完成。LangChain 提供了一个标准的代理接口，一系列可供选择的代理，以及端到端代理的示例。

6、LangChain生态

（1）使用案例： 提供了针对常见端到端应用场景的演示和方法，例如文档问题回答、聊天机器人、分析结构化数据等，并且还在不断扩充更多用例。

（2）集成： LangChain是丰富工具生态的一部分，这些工具与我们的框架集成，并在其基础上构建。请查看我们不断增加的集成列表，了解哪些工具可以与LangChain协同工作。

（3）指南： 我们提供了一系列最佳实践指南，帮助开发者更好地使用LangChain进行开发。

（4）API参考： 您可以前往参考部分查阅关于LangChain以及LangChain实验性Python包中所有类和方法的完整文档说明。

（5）开发指南： 查看开发指南，以获取贡献代码的指导原则，设置开发环境的帮助信息。

（6）社区： 请访问社区导航页面，这里能找到提问、分享反馈、与其他开发者交流的平台，共同探讨LLM（大规模语言模型）技术的未来发展之路。

7、资源集合

• LangChainHub：LangChainHub 是一个分享和探索其他 prompts、chains 和 agents 的平台。

• Gallery： 使用 LangChain 的项目合集，有助于找到灵感或了解其他应用程序的实现方式。
• Deployments： 部署 LangChain 应用程序的说明、代码片段和模板存储库的合集。
• Tracing： 使用追踪可视化 LangChain 中链和代理执行的指南。
• Model Laboratory： 使用不同的 prompts、models 和 chains 进行实验是开发最佳应用程序的重要组成部分。Model Laboratory 使这个过程变得非常容易。
• Discord： 加入我们的 Discord，讨论关于 LangChain 的一切！
• YouTube： LangChain 教程和视频的集合。
• Production Support：随着您将 LangChains 发布到生产环境，我们乐于提供更全面的支持。请填写此表格，我们将设置一个专门的支持 Slack 频道。

二、LangChain安装

1、langchain库安装

pip install langchain
 
conda install langchain -c conda-forge

langchain-community 第三方集成包，由 langchain 自动进行安装，但也可以单独使用命令安装：pip install langchain-community

langchain-core 核心包，由 langchain 自动进行安装，但也可以单独使用命令安装：pip install langchain-core

langchain-experimental 实验代码包，用于研究和实验用途。安装时使用命令：pip install langchain-experimental

2、LangChain CLI安装

LangChain CLI对于使用LangChain模板和其他LangServe项目非常有用。安装时使用命令：

pip install langchain-cli

3、LangServe库安装

LangServe 是一个工具，旨在帮助开发者将基于 LangChain 构建的可执行程序和链部署为 REST API。当使用 LangChain 命令行界面 ( LangChain CLI) 时，LangServe 会自动进行安装。

若未使用 LangChain CLI 进行开发，可以通过以下命令手动安装：

pip install "langserve[all]"

也可以将客户端和服务端分开单独安装：

pip install "langserve[client]"
pip install "langserve[server]"

4、LangSmith SDK安装

LangSmith SDK会由LangChain库自动进行安装，当然也可以使用命令手动安装：

pip install langsmith