49 lines
1.5 KiB
Markdown
49 lines
1.5 KiB
Markdown
---
|
||
title: "LangChain"
|
||
type: entity
|
||
tags: [LLM应用, RAG框架, Python]
|
||
sources: [rag从入门到精通系列1-基础rag]
|
||
last_updated: 2025-01-16
|
||
---
|
||
|
||
## Definition
|
||
|
||
LangChain 是一个用于构建 LLM 应用的 Python/JavaScript 开源框架，提供文档加载、向量存储集成、Chain 组合、Agent 开发等能力。
|
||
|
||
## Key Capabilities
|
||
|
||
- **Document Loaders**：160+ 文档加载器，支持网页/ PDF / Markdown / 数据库等多种来源
|
||
- **Vector Stores**：与 Qdrant、Chroma、Milvus、Pinecone 等向量数据库的原生集成
|
||
- **Chains**：将多个步骤（检索→组装→生成）串联为统一管道
|
||
- **Agents**：构建可自主调用工具的 LLM Agent
|
||
- **Memory**：跨对话的上下文记忆管理
|
||
- **Prompt Templates**：结构化 Prompt 管理
|
||
|
||
## Usage in RAG
|
||
|
||
本文档使用 LangChain 演示基础 RAG 管道：
|
||
1. 通过 `WebBaseLoader` 加载外部博客文档
|
||
2. 通过 `RecursiveCharacterTextSplitter` 切分文档
|
||
3. 通过 `Qdrant` 向量存储集成建立索引
|
||
4. 通过 `RetrievalQA Chain` 串联检索和生成
|
||
|
||
## LangSmith
|
||
|
||
LangSmith 是 LangChain 官方提供的 LLM 应用监控和调试平台，支持：
|
||
- 追踪 LLM 应用执行链路
|
||
- 查看每个步骤的输入输出
|
||
- 评估应用效果和 Token 消耗
|
||
|
||
## Connections
|
||
|
||
- [[LangChain]] ← used_in ← [[RAG]]
|
||
- [[LangChain]] ← integrates_with ← [[Vector-Store]]
|
||
- [[LangChain]] ← integrates_with ← [[Embedding]]
|
||
- [[LangChain]] ← provides ← [[Generation]]
|
||
- [[LangChain]] ← monitors_with ← [[LangSmith]]
|
||
|
||
## Aliases
|
||
|
||
- LangChain Python
|
||
- LangChain JS
|