LangChain 入门与实战

想要构建自己的Agent，你一定无法避免和LangChain打交道。

所以这篇文章将给大家介绍一下LangChain，知道它是什么，怎么用，基于LangChain能做了，并且它有什么问题。

LangChain的文字资料和视频资料挺多的，我就不重复了，我会在文末添加相关的资料，有兴趣的朋友自行学习。

我相信很多人是因为不了解LangChain，不了解Agent，才来看我的文章，而且大部分人时间也很宝贵，没有这么时间花几天时间来系统化学习，而且主要也不确定学习LangChain对自己的工作有没有帮助。

所以我尽量用最简单的语言把事情说情况。

我们要构建一个自己的AI系统（Agent)

假设我们要构建一个自己的问答系统，问答系统需要使用我们私有的数据库。

我们应该怎么做，我们可以先考虑一个成本最低的POC方案。

• 使用最强的大语言模型ChatGPT的openapi
• 自己用Python写一个代码，基于openai为基础，然后自己做知识库问答，自己多文件切片和向量化，自己做RAG

思路是这个思路，但是全都自己写，除非你是大牛，还是有些吃力的，而且随着项目的复杂度增加，整个项目的架构将会非常关键。

这时候可能有杠精要说，老师你就用GPTs或其他的一些Agent平台就可以无代码完成一个自己知识库的问答系统了。

没错，但是这里只是想大家都懂的问答系统作为案例进行举例，因为你用友LangChain可以构建比这个复杂的多的系统，比如你可以基于LangChain构建自己的Agent平台。

这里给出一个例子，使用可以本地部署的大语言模型ChatGLM-6b，和本地知识库test.txt，简单的十几行代码就完成了我们要做的问答系统，分别是加载文件、文件内容切割、向量化，然后根据向量化的内容和Query进行Prompt组装，就是这么简单。

当然引入LangChain也有带来很多副作用，开发过低代码的朋友肯定知道，虽然使用图形化的方式可以降低系统开发的复杂度，但是同时也降低了系统的性能，原来最精简的代码只要3分钟的执行时长可能会被拉长到数倍。

LangChain核心功能

好了，有了信心之后，我们学习一下LangChain有哪些能力。

模板 PromptTemplate

1from langchain.prompts import PromptTemplate 2 3prompt = PromptTemplate( 4 input_variables=["product"], 5 template="What is a good name for a company that makes {product}?", 6) 7print(prompt.format(product="colorful socks"))

输出：What is a good name for a company that makes colorful socks?

通过PromptTempla