(一)大模型应用落地必杀技之LangChain——LangChain基本介绍

目录

LangChain基本介绍

LangChain的安装与基本示例

LangChain的基本架构

---

LangChain基本介绍

LangChain 是一个用于开发由大型语言模型（LLMs）驱动的应用程序的框架。

LangChain本身可以通过自身的组件，方便快捷的开发基于大模型的应用，就像SpringBoot框架快速构建Java后端应用一样，LangChain可以理解为是开发大模型应用的基础框架。

LangChain 简化了 LLM 应用程序生命周期的每个阶段：

• 开发：使用LangChain的开源组件和第三方集成来构建您的应用程序。使用LangGraph构建具有一流流式传输和人工参与支持的状态代理。
• 生产化：使用LangSmith来检查、监控和评估您的应用程序，以便您可以持续优化并自信地部署。

• 部署：使用LangGraph平台将您的LangGraph应用程序转换为生产就绪的 API 和助手。

LangChain框架可以一站式的完成开发、生产检查和部署，针对大模型应用的开发用一套LangChain全家桶就可以完成。

 

LangChain 为大型语言模型及相关技术（如嵌入模型和向量存储）实现了一个标准接口，并与数百个提供商集成。

• LangSmith 是一个用于构建生产级 LLM 应用的平台。它允许你密切监控和评估你的应用，以便你可以快速且自信地发布。
• LangGraph 是一个低级编排框架，用于构建、管理和部署长时间运行、有状态的Agent。

最底层以LangChain和LangGraph两个框架作为架构，中间与许多组件供应商进行集成，最上层由LangGraph平台进行应用的部署与发布，整个流程通过LangSmith进行监控和评估。

LangChain的安装与基本示例

pip install -qU "langchain[openai]"

通过pip可以快速安装LangChain框架，可以选择多个聊天模型版本进行安装，如：openai，anthropic，google-genai，google-vertexai，aws，groq等

import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain.chat_models import init_chat_model

model = init_chat_model("gpt-4o-mini", model_provider="openai")

环境变量中配置OpenAI的key，初始化一个gpt-mini模型。

model.invoke("Hello, world!")

 通过调用invoke与模型进行交互。

LangChain的基本架构

LangChain 框架由多个开源库组成。

• langchain-core : 聊天模型和其他组件的基础抽象。
• 集成包（例如 langchain-openai 、 langchain-anthropic 等）：重要的集成已被拆分为由 LangChain 团队和集成开发者共同维护的轻量级包。
• langchain : 构成应用程序认知架构的链、代理和检索策略。
• langchain-community : 社区维护的第三方集成。
• langgraph : 用于将 LangChain 组件组合成具有持久化、流式传输和其他关键功能的可生产应用程序的编排框架。