🦜️🔗 LangChain.js

⚡ 通过组合性构建LLM应用程序 ⚡

寻找Python版本？查看LangChain。

为了帮助您更快地将LangChain应用部署到生产环境，请查看LangSmith。 LangSmith是一个统一的开发者平台，用于构建、测试和监控LLM应用程序。

⚡️ 快速安装

您可以使用npm、yarn或pnpm来安装LangChain.js

npm install -S langchain或yarn add langchain或pnpm add langchain

🌐 支持的环境

LangChain使用TypeScript编写，可以在以下环境中使用：

• Node.js（ESM和CommonJS） - 18.x、19.x、20.x、22.x
• Cloudflare Workers
• Vercel / Next.js（浏览器、无服务器和Edge函数）
• Supabase Edge Functions
• 浏览器
• Deno

🤔 什么是LangChain？

LangChain是一个用于开发由语言模型驱动的应用程序的框架。它支持以下功能的应用程序：

• 上下文感知：将语言模型连接到上下文源（提示指令、少量示例、用于基础回应的内容等）
• 推理：依靠语言模型进行推理（基于提供的上下文如何回答、采取什么行动等）

该框架由几个部分组成。

• 开源库：使用LangChain的开源构建模块、组件和第三方集成构建您的应用程序。 使用LangGraph.js构建具有一流流式处理和人机交互支持的有状态代理。
• 生产化：使用LangSmith检查、监控和评估您的链，以便持续优化和自信部署。
• 部署：使用LangGraph Cloud（目前仅支持Python）将LangGraph应用程序转变为生产就绪的API和助手。

LangChain库本身由几个不同的包组成。

• @langchain/core：基础抽象和LangChain表达语言。
• @langchain/community：第三方集成。
• langchain：构成应用程序认知架构的链、代理和检索策略。
• LangGraph.js：一个用于构建强大且有状态的多参与者LLM应用程序的库，通过将步骤建模为图中的边和节点。与LangChain无缝集成，但也可以单独使用。

集成也可能被拆分成兼容的独立包。

该库旨在协助开发这些类型的应用程序。常见的应用示例包括：

❓ 针对特定文档的问答

• 文档
• 端到端示例：Doc-Chatbot

💬 聊天机器人

• 文档
• 端到端示例：Chat-LangChain

🚀 LangChain如何提供帮助？

LangChain库的主要价值主张是：

1. 组件：用于处理语言模型的可组合工具和集成。组件是模块化和易于使用的，无论您是否使用LangChain框架的其他部分
2. 现成的链：用于完成更高级任务的内置组件组合

现成的链使入门变得容易。组件使定制现有链和构建新链变得容易。

组件分为以下模块：

📃 模型I/O：

这包括提示管理、提示优化、所有LLM的通用接口以及使用LLM的常用实用工具。

📚 检索：

数据增强生成涉及特定类型的链，首先与外部数据源交互以获取用于生成步骤的数据。示例包括长文本的摘要和针对特定数据源的问答。

🤖 代理：

代理允许LLM自主完成任务。代理决定采取哪些行动，然后执行该行动，观察结果，并重复直到任务完成。LangChain提供了代理的标准接口，以及用于构建自定义代理的LangGraph.js。

📖 文档

请查看这里获取完整文档，包括：

• 入门：安装、环境设置、简单示例
• 接口、模块和集成概述
• 教程演练
• 参考：完整API文档

💁 贡献

作为一个在快速发展领域的开源项目，我们非常欢迎贡献，无论是新功能、改进基础设施还是更好的文档。

有关如何贡献的详细信息，请参阅这里。

请按照我们的安全指南报告任何安全问题或疑虑。

🖇️ 与Python LangChain的关系

这个项目旨在与LangChain Python包尽可能无缝集成。具体来说，这意味着所有对象（提示、LLM、链等）都设计为可序列化并在语言之间共享。