教程
刚接触 LangChain 或通用的 LLM 应用开发？阅读这些材料可以帮助你快速入门，并开始构建你的第一个应用。
开始使用
通过构建简单的应用来熟悉 LangChain 的开源组件。
如果你想从特定提供商开始使用 聊天模型、向量存储 或其他 LangChain 组件，请查看我们支持的 集成。
- 聊天模型与提示：使用 提示模板 和 聊天模型 构建一个简单的 LLM 应用。
- 语义搜索：使用 文档加载器、嵌入模型 和 向量存储 在 PDF 上构建一个语义搜索引擎。
- 分类：使用带有 结构化输出 的 聊天模型 将文本分类为类别或标签。
- 提取：使用 聊天模型 和 少量示例提示 从文本和其他非结构化媒介中提取结构化数据。
如需更详细地了解所有 LangChain 组件的使用方法，请参考 操作指南。
编排
开始使用 LangGraph 将 LangChain 组件组合成功能齐全的应用程序。
- 聊天机器人：构建一个包含记忆功能的聊天机器人。
- 代理：使用 LangGraph.js 构建一个可以与外部工具交互的代理。
- 检索增强生成 (RAG) 第一部分：构建一个使用你自己的文档来生成回答的应用。
- 检索增强生成 (RAG) 第二部分：构建一个包含用户交互记忆和多步骤检索功能的 RAG 应用。
- 基于 SQL 的问答：构建一个通过执行 SQL 查询来生成回答的问答系统。
- 摘要生成：生成（可能是长文本的）摘要。
- 基于图数据库的问答：构建一个通过查询图数据库来生成回答的问答系统。
LangSmith
LangSmith 可以帮助你密切追踪、监控和评估你的 LLM 应用。
它与 LangChain 无缝集成，你可以在构建过程中使用它来检查和调试链中的各个步骤。
LangSmith 的文档托管在另一个网站上。
你可以浏览 LangSmith 的教程以了解以下内容：
评估
LangSmith 可以帮助你评估 LLM 应用的性能。以下教程是入门的好方式：