Py之langchainhub：langchainhub的简介、安装和使用方法、案例应用之详细攻略-CSDN博客

本文链接：https://blog.csdn.net/qq_41185868/article/details/137847925

本文介绍了Python库langchainhub，包括其简介、安装方法、提示、链和代理的使用，重点展示了如何构建基于LLMs的XMLAgent等复杂应用。库的目标是促进高质量工具的分享和LLM应用程序的开发。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Py之langchainhub：langchainhub的简介、安装和使用方法、案例应用之详细攻略

LLMs之Agent之XMLAgent/JsonChatAgent/StructuredChat/ReAct：基于LangChain框架构建一个基于LLM(采用claude-2.1驱动)能够利用XML结构化数据进行对话的Agent系统(可以执行更复杂的任务,如信息检索、数据格式转换等)—定义工具列表(如TavilySearchResults)→创建XMLAgent(将llm【XML采用claude-2.1/Json和Structured采用ChatOpenAI】、tools、prompt【提示模板】打包给create_xml_agent+定义AgentExecutor)→测试XML Agent(用户输入dict格式+直接测试/带记忆的测试)→自定义XMLAgent并测试(中间步骤过程字符串化以嵌入到提示中/工具列表字符串化以嵌入到提示中→定义agent(采用管道操作符|实现)→定义AgentExecutor→测试XMLAgent【应与提示中指定的格式同步】)

langchainhub的简介

LangChainHub 受 Hugging Face Hub 启发，是一个收集所有与 LangChain 原语（如提示、链和代理）一起使用的有用工件的集合。该存储库的目标是成为共享和发现高质量提示、链和代理的中心资源，这些元素结合在一起形成复杂的 LLM 应用程序。我们从一系列提示开始这个中心，期待 LangChain 社区能够不断增加这个集合。我们希望很快能扩展到链条和代理。

GitHub地址：GitHub - hwchase17/langchain-hub

1、Prompt

从高层次上看，提示按用例组织在提示目录中。要在 LangChain 中加载提示，应使用以下代码片段：

from langchain.prompts import load_prompt

prompt = load_prompt('lc://prompts/path/to/file.json')

除了提示文件本身，每个子目录还包含一个 README，解释如何最好地在适当的 LangChain 链条中使用该提示。有关提示在中心中的组织方式以及如何最好地上传一个提示的更详细信息，请参阅此处的文档。

2、Chain

从高层次上看，链按用例组织在链条目录中。要在 LangChain 中加载链，应使用以下代码片段：

from langchain.chains import load_chain

chain = load_chain('lc://chains/path/to/file.json')

除了链文件本身，每个子目录还包含一个 README，解释该链条包含的内容。有关链在中心中的组织方式以及如何最好地上传一个链条的更详细信息，请参阅此处的文档。

3、Agent

从高层次上看，代理按用例组织在代理目录中。要在 LangChain 中加载代理，应使用以下代码片段：

from langchain.agents import initialize_agent

llm = ...
tools = ...
agent = initialize_agent(tools, llm, agent="lc://agents/self-ask-with-search/agent.json")

除了代理文件本身，每个子目录还包含一个 README，解释该代理包含的内容。有关代理在中心中的组织方式以及如何最好地上传一个代理的更详细信息，请参阅此处的文档。

langchainhub的安装和使用方法

pip install langchainhub

pip install -i https://mirrors.aliyun.com/pypi/simple langchainhub

langchainhub的案例应用

持续更新中……

LLMs之Agent之XMLAgent/JsonChatAgent/StructuredChat/ReAct：基于LangChain框架构建一个基于LLM(采用claude-2.1驱动)能够利用XML结构化数据进行对话的Agent系统(可以执行更复杂的任务,如信息检索、数据格式转换等)—定义工具列表(如TavilySearchResults)→创建XMLAgent(将llm【XML采用claude-2.1/Json和Structured采用ChatOpenAI】、tools、prompt【提示模板】打包给create_xml_agent+定义AgentExecutor)→测试XML Agent(用户输入dict格式+直接测试/带记忆的测试)→自定义XMLAgent并测试(中间步骤过程字符串化以嵌入到提示中/工具列表字符串化以嵌入到提示中→定义agent(采用管道操作符|实现)→定义AgentExecutor→测试XMLAgent【应与提示中指定的格式同步】)

https://yunyaniu.blog.csdn.net/article/details/137847858