<source media=\"(prefers–color–scheme: light)\" srcset=\"/ langchain –ai/ langchain /raw/master/docs/static/img/logo-dark.svg“> <source media=\"(prefers-color-scheme: dark)\" srcset=\"/ langchain -ai/ langchain /raw/master/docs/static/img/logo-light.svg“>
笔记
寻找JS/TS库？查看langchain .js。
langchain是构建LLM驱动应用程序的框架。它可以帮助您将可互操作的组件和第三方集成融合在一起，以简化AI应用程序的开发，同时随着基础技术的发展，未来的决策。
pip install -U langchain
要了解有关langchain更多信息，请查看文档。如果您正在寻找更高级的自定义或代理编排，请查看Langgraph，这是我们构建可控代理工作流程的框架。
为什么要使用langchain ？
langchain通过用于模型，嵌入式，向量商店等的标准接口来构建由LLM供电的应用程序。
使用langchain进行：
- 实时数据增强。从langchain庞大的集成库，与模型提供商，工具，矢量商店，检索器等相连，轻松将LLMS连接到不同的数据源和外部 /内部系统。
- 模型互操作性。将模型进出作为您的工程团队实验，以找到满足您应用程序需求的最佳选择。随着行业边界的发展，迅速适应 – langchain的抽象使您在不失去动力的情况下移动。
langchain的生态系统
虽然可以独立使用langchain框架，但它也可以与任何langchain产品无缝集成，从而在构建LLM应用程序时为开发人员提供一套完整的工具。
为了改善您的LLM应用程序开发，将langchain与以下方式配对：
- Langsmith-对代理人的Evals和可观察性有帮助。调试表现不佳的LLM应用程序运行，评估代理轨迹，提高生产的可见性并随着时间的推移提高性能。
- langgraph-构建代理，可以通过我们的低级代理编排框架Langgraph可靠地处理复杂的任务。 Langgraph提供可自定义的建筑，长期记忆和人类的工作流程，并被LinkedIn，Uber，Klarna和Gitlab等公司信任生产。
- Langgraph平台 – 毫不费力地部署和规模代理，使用专门建造的部署平台，用于长期运行，状态工作流程。在Langgraph Studio中发现，重复使用，配置和共享代理商，并通过视觉原型迅速迭代。
其他资源
- 教程：简单的演练，带有指导性的示例，即开始使用langchain 。
- 操作指南：用于诸如工具调用，抹布用例等主题的快速，可操作的代码段。
- 概念指南： langchain框架背后的关键概念的解释。
- langchain论坛：与社区建立联系，并分享您所有的技术问题，想法和反馈。
- API参考：详细参考langchain的基本软件包和集成。
