教程
刚接触 LangChain 或 LLM 应用开发？阅读本教程，快速上手并构建您的第一个应用程序。
入门
通过构建简单的应用程序来熟悉 LangChain 的开源组件。
如果您想快速上手 聊天模型、向量存储或来自特定提供商的其他 LangChain 组件，请查看我们支持的集成列表。
- 聊天模型与提示：使用提示模板和聊天模型构建一个简单的 LLM 应用。
- 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。
- 分类：使用聊天模型和结构化输出将文本分类到不同类别或标签中。
- 抽取：使用聊天模型和少样本示例从文本及其他非结构化媒体中抽取结构化数据。
更多关于使用所有 LangChain 组件的细节，请参考操作指南。
编排
开始使用 LangGraph 将 LangChain 组件组装成功能完善的应用程序。
- 聊天机器人：构建一个带有记忆功能的聊天机器人。
- 智能体：构建一个可以与外部工具交互的智能体。
- 检索增强生成（RAG）第一部分：构建一个使用您自己的文档来改进回复的应用。
- 检索增强生成（RAG）第二部分：构建一个具备用户交互记忆和多步检索能力的 RAG 应用。
- 基于 SQL 的问答：构建一个通过执行 SQL 查询来提供回答的问答系统。
- 摘要生成：生成（可能较长）文本的摘要。
- 基于图数据库的问答：构建一个通过查询图数据库来提供回答的问答系统。
LangSmith
LangSmith 允许您对 LLM 应用进行细致的追踪、监控和评估。
它可以与 LangChain 无缝集成，您可以在构建过程中用它来检查和调试链条中的每一步。
LangSmith 的文档托管在独立网站上。
您可以在这里查看 LangSmith 教程。
评估
LangSmith 帮助您评估 LLM 应用的性能。下面的教程是一个很好的入门方式：