使用 pip：

pip install langchain

使用 conda：

conda install langchain -c conda-forge

LangChain是一个由大型语言模型 (LLM) 驱动的应用程序开发框架。

对于这些应用程序，LangChain 简化了整个应用程序生命周期：

• 开源库：使用 LangChain 的开源构建块、组件和第三方集成构建您的应用程序。使用LangGraph构建具有一流流媒体和人机交互支持的状态代理。

• 生产化：使用LangSmith检查、监控和评估您的应用程序，以便您可以不断优化和自信地部署。

• 部署：使用LangGraph Cloud将您的 LangGraph 应用程序转变为可用于生产的 API 和助手。

• langchain-core：基础抽象和LangChain表达语言。

• langchain-community：第三方集成。

• 一些集成已进一步拆分为仅依赖于 的合作伙伴包langchain-core。示例包括langchain_openai和langchain_anthropic。

• langchain：构成应用程序认知架构的链、代理和检索策略。

• LangGraph：一个使用 LLM 构建强大且有状态的多参与者应用程序的库，通过将步骤建模为图中的边和节点。与 LangChain 无缝集成，但可以在没有 LangChain 的情况下使用。要了解有关 LangGraph 的更多信息，请查看我们的第一门 LangChain Academy 课程LangGraph 简介，可在此处获取。

• LangSmith：一个开发者平台，可让您调试、测试、评估和监控建立在任何 LLM 框架上的链，并与 LangChain 无缝集成。

• LangGraph Cloud：将您的 LangGraph 应用程序转变为可用于生产的 API 和助手。

❓ 使用 RAG 回答问题

• 文档

• 端到端示例：Chat LangChain和repo

🧱 提取结构化输出

• 文档

• 端到端示例：SQL Llama2 模板

🤖 聊天机器人

• 文档

• 端到端示例：Web LangChain（网络聊天机器人）和repo

还有更多！请前往文档的教程部分了解更多信息。

LangChain 库的主要价值主张是：

1. 组件：用于处理语言模型的可组合构建块、工具和集成。无论您是否使用 LangChain 框架的其余部分，组件都是模块化且易于使用的

2. 现成的链条：用于完成更高级别任务的内置组件组合

现成的链使入门变得简单。组件使定制现有链和构建新链变得简单。

LCEL 是 LangChain 的关键部分，它允许您以直接、声明的方式构建和组织流程链。它旨在支持将原型直接投入生产，而无需更改任何代码。这意味着您可以使用 LCEL 设置一切，从基本的“提示 + LLM”设置到复杂的多步骤工作流程。

• 概述：LCEL 及其优势

• 接口：LCEL 对象的标准 Runnable 接口

• 原语：LCEL 包含的原语的更多信息

• 备忘单：最常见使用模式的快速概览

组件分为以下模块：

📃 模型 I/O

这包括提示管理，提示优化，聊天模型和LLM的通用接口，以及处理模型输出的通用工具。

📚 检索

检索增强生成涉及从各种来源加载数据、准备数据，然后搜索（即检索）数据以用于生成步骤。

🤖 代理

代理允许 LLM 自主决定如何完成任务。代理决定采取哪些行动，然后采取行动，观察结果，并重复，直到任务完成。LangChain为代理提供了标准接口，以及用于构建自定义代理的LangGraph 。

请参阅此处查看完整文档，其中包括：

• 简介：文档的框架和结构概述。

• 教程：如果您想要构建特定的东西或更倾向于动手学习，请查看我们的教程。这是开始的最佳地点。

• 操作指南：回答“我该如何……？”这类问题。这些指南以目标为导向，内容具体；旨在帮助您完成特定任务。

• 概念指南：框架关键部分的概念解释。

• API 参考：每个类和方法的完整文档。

• 🦜🛠️ LangSmith：跟踪和评估您的语言模型应用程序和智能代理，帮助您从原型转向生产。

• 🦜🕸️ LangGraph：使用 LLM 创建有状态、多参与者的应用程序。与 LangChain 顺利集成，但可以在没有 LangChain 的情况下使用。

• 🦜🏓 LangServe：将 LangChain 可运行对象和链部署为 REST API。