LangChain知识速览

LangChain知识速览

文章目录

• LangChain知识速览
• • 核心概念
  • • 是什么
    • 核心优势
  • 核心组件
  • • [Model I/O](#Model I/O)
    • Chains（链）
    • [Data Connection（数据连接）](#Data Connection（数据连接）)
    • Memory（记忆）
    • Agents（智能体）
    • Callbacks（回调）
  • 典型应用场景
  • • RAG（检索增强生成）
    • Chatbot（对话机器人）
    • Agents（自主代理）
    • 结构化数据提取
  • 关键代码模式
  • • 基础链
    • RAG流程
• 加载→分割→存储→检索→问答
• • • Agent使用
  • 生态工具
  • • LangSmith
    • LangServe
    • LangGraph

---

核心概念

是什么

• 大语言模型应用开发框架
• Python/JS双语言支持
• 链式调用设计哲学

核心优势

• 模块化组件
• 标准化接口
• 生态丰富

核心组件

Model I/O

• Models（模型）
  • LLMs（文本补全）
  • Chat Models（对话模型）
  • Embeddings（嵌入模型）
• Prompts（提示词）
  • Prompt Template（模板）
  • Few-shot Prompting（少样本）
  • Example Selectors（示例选择器）
• Output Parsers（输出解析器）
  • PydanticOutputParser
  • StructuredOutputParser
  • JSON/YAML解析

Chains（链）

• LLMChain（基础链）
• SequentialChain（顺序链）
• RouterChain（路由链）
• TransformChain（转换链）

Data Connection（数据连接）

• Document Loaders（文档加载）
  • 文本/PDF/网页/数据库
• Text Splitters（文本分割）
  • RecursiveCharacterTextSplitter
  • TokenTextSplitter
• Vector Stores（向量存储）
  • Chroma/Pinecone/Milvus/FAISS
• Retrievers（检索器）
  • similarity_search
  • MMR检索

Memory（记忆）

• ConversationBufferMemory（缓冲记忆）
• ConversationBufferWindowMemory（窗口记忆）
• ConversationSummaryMemory（摘要记忆）
• VectorStoreRetrieverMemory（向量检索记忆）

Agents（智能体）

• Agent类型
  • Zero-shot ReAct
  • Structured Chat
  • Conversational
  • OpenAI Functions
• Tools（工具）
  • 搜索引擎
  • 计算器
  • API调用
  • 自定义工具
• AgentExecutor（执行器）

Callbacks（回调）

• 日志记录
• 流式输出
• 监控追踪（LangSmith）

典型应用场景

RAG（检索增强生成）

• 文档加载→分割→嵌入→检索→生成

Chatbot（对话机器人）

• 多轮对话+记忆管理

Agents（自主代理）

• 工具调用+任务规划

结构化数据提取

• 从非结构化文本提取JSON

关键代码模式

基础链

chain = LLMChain(llm=llm, prompt=prompt)

result = chain.run(input)

RAG流程

加载→分割→存储→检索→问答

loader = TextLoader("doc.txt")

docs = loader.load()

splits = splitter.split_documents(docs)

vectorstore = Chroma.from_documents(splits, embeddings)

qa = RetrievalQA.from_chain_type(llm, retriever=vectorstore.as_retriever())

Agent使用

tools = search, calculator

agent = initialize_agent(tools, llm, agent="zero-shot-react-description")

agent.run("查询北京天气并计算摄氏度")

生态工具

LangSmith

• 调试追踪
• 性能监控
• 提示词管理

LangServe

• 链部署为API服务

LangGraph

• 构建复杂多智能体工作流