AI创想

标题: 【每天一个知识点】LangChain [打印本页]
作者: AA小狮仔    时间: 2 小时前
标题: 【每天一个知识点】LangChain
作者：CSDN博客
“LangChain” 是一个用于构建由大语言模型（LLMs）驱动的可组合、可交互、多工具协作的智能应用开发框架。它不仅能管理 Prompt、上下文、记忆和工具，还支持构建复杂的“多步骤推理”任务流程。
(, 下载次数: 0)


一、LangChain 简介

1. 核心定位

LangChain 旨在把大语言模型作为决策引擎和控制中枢，支持你快速构建像 ChatGPT 插件、智能问答系统、智能体（Agent）等复杂任务应用。
2. 编程语言支持

主要支持 Python 和 JavaScript/TypeScript 两种语言版本，社区主要以 Python 为主。
二、LangChain 主要组成模块（Python版）

模块作用描述
PromptTemplates提示词模板构建与变量注入，适配不同任务语境
LLMs/ChatModels封装 OpenAI、Anthropic、Cohere 等模型
Chains把多个组件串联起来构成完整流程（如提问 → 搜索 → 回答）
Agents引入“工具调用”能力，通过思考和行动完成任务（如 ReAct Agent）
Tools第三方工具，如搜索引擎、Python 解释器、API 接口
Memory会话记忆，适用于多轮对话场景
Retrievers向量检索组件，支持 RAG 应用
Document Loaders & Text Splitters文档读取与分块，用于知识库构建
三、典型使用场景

1. 文档问答系统（RAG）

2. Agent 多工具智能体

3. 任务编排（Multi-step Reasoning）

四、LangChain 示例代码（RAG 简易文档问答）
  1. from langchain.chains import RetrievalQA
  2. from langchain.chat_models import ChatOpenAI
  3. from langchain.vectorstores import FAISS
  4. from langchain.embeddings import OpenAIEmbeddings
  5. from langchain.document_loaders import TextLoader
  6. from langchain.text_splitter import CharacterTextSplitter
  8. # 加载文档并切分
  9. loader = TextLoader("example.txt")
  10. documents = loader.load()
  11. text_splitter = CharacterTextSplitter(chunk_size=500, chunk_overlap=50)
  12. texts = text_splitter.split_documents(documents)
  14. # 构建向量库
  15. embeddings = OpenAIEmbeddings()
  16. db = FAISS.from_documents(texts, embeddings)
  18. # 构建问答系统
  19. retriever = db.as_retriever()
  20. llm = ChatOpenAI(temperature=0)
  21. qa = RetrievalQA.from_chain_type(llm=llm, retriever=retriever)
  23. # 测试提问
  24. query = "这篇文档讲了什么？"
  25. response = qa.run(query)
  26. print(response)
复制代码
五、LangChain 与智能体系统的关系

特性LangChain 实现方式
工具调用通过 Tools 与 AgentExecutor 完成
思维链推理（Chain of Thought）通过 Chain 的分步提示构建多轮逻辑链
多Agent协同支持 MultiAgentChain 和外部任务调度引擎集成
RAG 问答与向量数据库 + Retriever 高度集成

原文地址：https://blog.csdn.net/dundunmm/article/details/148291753



欢迎光临 AI创想 (http://llms-ai.com/) Powered by Discuz! X3.4