type
status
date
slug
summary
tags
category
icon
password
comment
Status
前面的分享中，我们介绍了如何使用LangChain构建多个大模型应用，比如多语言翻译助手、聊天机器人、具备本地知识库检索和联网查询功能的智能体。在这些案例中了解了LangChain的强大之处，但是如果想能够真正的熟练使用LangChain构建自己的应用，了解其核心组件和概念是必不可少的，本文就将以前面的不同应用为例，介绍LangChain的核心组件，让大家能够轻松地理解这些晦涩难懂的概念，让我们开始吧。
LCEL
LangChain Expression Language（LCEL），是以
| 分割节点来创建任意自定义链表达式的约定。上面的所有节点需要实现Runnable协议。组件
这些是在构建应用程序时可以使用的核心基本组件。
Prompt templates
提示模板负责将用户输入格式化为可传递给语言模型的格式。方便按照不同的角色创建不同的参数作为输入。
Example selectors
样例选择，可以设置选择不同的样例加入到提示词中。
Chat models
Chat models是大语言模型的新格式，负责模型的输入和输出。（建议使用）
LLMs
大语言模型的旧格式。（不建议使用）
Output parsers
Output parsers输出解析器负责获取模型的输出并将其解析为更结构化的格式。
Document loaders
文档加载器负责从各种来源加载文档。
Text splitters
文本分割器负责将文档分割成可用于检索的片段。
Embedding models
嵌入模型接收一段文本并为其创建向量数值表示。
Vector stores
Vector stores 是可以高效存储和检索嵌入向量的数据库。
Retrievers
检索器负责接受查询并返回相关文档。
Tools
LangChain工具包含工具的描述（传递给语言模型的描述）以及要调用的函数的实现。
Multimodal
多模态，多模态模型。模态指的是文本、视频、图片、音频等不同的输入输出。
Agents
智能体，能够做出决策、执行任务，调用工具的单元。
Callbacks
回调，链的开始结束、工具调用
Custom
LangChain的所有组件都可以很容易地自定义，从创建自定义的组件。
框架由以下模块组成：
- langchain-core：基础抽象和LangChain表达语言。
- langchain-community：第三方集成。
- 模型接口的包（例如 langchain-openai、langchain-anthropic 等）：一些集成已经进一步拆分成它们自己的轻量级包，这些包只依赖于 langchain-core。
- langchain：用于搭建应用程序，包含Chains, agents, and retrieval等
- langgraph：通过将步骤建模为图中的边和节点，可以构建健壮且有状态的多参与者的应用程序。
- langserve：将LangChain链部署为REST API。
- LangSmith：一个开发者平台，允许你调试、测试、评估和监控LLM应用程序。
官网链接：
- Author:小灰
- URL:https://blog.opencontent.cn//article/langchain-concept
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
