教程
¥Tutorials
你是 LangChain 或 LLM 应用开发的新手吗？阅读此资料，快速启动并构建你的第一个应用。
¥New to LangChain or LLM app development in general? Read this material to quickly get up and running building your first applications.
开始使用
¥Get started
通过构建简单的应用熟悉 LangChain 的开源组件。
¥Familiarize yourself with LangChain's open-source components by building simple applications.
如果你正在寻找 聊天模型、向量存储 或其他特定提供商的 LangChain 组件，请查看我们支持的 integrations。
¥If you're looking to get started with chat models, vector stores, or other LangChain components from a specific provider, check out our supported integrations.
聊天模型和提示：使用 提示模板 和 聊天模型 构建一个简单的 LLM 应用。
¥Chat models and prompts: Build a simple LLM application with prompt templates and chat models.
语义搜索：使用 文档加载器、嵌入模型 和 向量存储 构建一个基于 PDF 的语义搜索引擎。
¥Semantic search: Build a semantic search engine over a PDF with document loaders, embedding models, and vector stores.
分类：使用 聊天模型 和 结构化输出 将文本分类或贴上标签。
¥Classification: Classify text into categories or labels using chat models with structured outputs.
提取：使用 聊天模型 和 少量样本示例 从文本和其他非结构化媒体中提取结构化数据。
¥Extraction: Extract structured data from text and other unstructured media using chat models and few-shot examples.
有关使用所有 LangChain 组件的更多详细信息，请参阅 操作指南。
¥Refer to the how-to guides for more detail on using all LangChain components.
编排
¥Orchestration
开始使用 LangGraph 将 LangChain 组件组装成功能齐全的应用。
¥Get started using LangGraph to assemble LangChain components into full-featured applications.
聊天机器人：构建一个包含内存的聊天机器人。
¥Chatbots: Build a chatbot that incorporates memory.
代理：使用 LangGraph.js 构建一个可与外部工具交互的代理。
¥Agents: Build an agent with LangGraph.js that interacts with external tools.
检索增强生成 (RAG) 第一部分：构建一个使用你自己的文档来通知其响应的应用。
¥Retrieval Augmented Generation (RAG) Part 1: Build an application that uses your own documents to inform its responses.
检索增强生成 (RAG) 第二部分：构建一个包含用户交互和多步检索内存的 RAG 应用。
¥Retrieval Augmented Generation (RAG) Part 2: Build a RAG application that incorporates a memory of its user interactions and multi-step retrieval.
使用 SQL 进行问答：构建一个问答系统，执行 SQL 查询以提供响应信息。
¥Question-Answering with SQL: Build a question-answering system that executes SQL queries to inform its responses.
摘要：生成（可能很长的）文本的摘要。
¥Summarization: Generate summaries of (potentially long) texts.
使用图数据库进行问答：构建一个问答系统，查询图形数据库以提供响应信息。
¥Question-Answering with Graph Databases: Build a question-answering system that queries a graph database to inform its responses.
LangSmith
LangSmith 允许你密切跟踪、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的各个步骤。
¥LangSmith allows you to closely trace, monitor and evaluate your LLM application. It seamlessly integrates with LangChain, and you can use it to inspect and debug individual steps of your chains as you build.
LangSmith 文档托管在一个单独的网站上。
¥LangSmith documentation is hosted on a separate site.
你可以仔细阅读 LangSmith 教程：
¥You can peruse LangSmith tutorials for:
评估
¥Evaluation
LangSmith 可帮助你评估 LLM 应用的性能。以下教程是一个很好的入门方法：
¥LangSmith helps you evaluate the performance of your LLM applications. The below tutorial is a great way to get started: