2Markdown
2markdown 服务将网站内容转换为结构化的 Markdown 文件。
# 您需要获取自己的 API 密钥。请参阅 https://2markdown.com/login
api_key = ""
from langchain.document_loaders import ToMarkdownLoader
loader = ToMarkdownLoader.from_api_key(url="https://python.langchain.com/en/latest/", api_key=api_key)
docs = loader.load()
print(docs[0].page_content)
目录
欢迎来到 LangChain #
LangChain 是一个基于语言模型开发应用程序的框架。我们相信，最强大、最具差异化的应用程序不仅会调用语言模型，还将具备以下特点：
数据感知性：将语言模型连接到其他数据源
主动性：允许语言模型与其环境进行交互
LangChain 框架就是围绕这些原则设计的。
本文档的内容适用于 Python。如需纯概念指南，请参阅此处。JavaScript 文档请参阅此处。
入门指南 #
如何开始使用 LangChain 创建语言模型应用程序。
概念和术语。
由社区专家创建并在 YouTube 上呈现的教程。
模块 #
这些模块是我们认为构成任何基于 LLM 的应用程序的核心抽象。
对于每个模块，LangChain 提供了标准的可扩展接口。LangChain 还提供了外部集成和即插即用的端到端实现。
每个模块的文档包含快速入门示例、操作指南、参考文档和概念指南。
这些模块按复杂程度排序，从最简单到最复杂：
Models：支持的模型类型和集成。
Prompts：Prompt 管理、优化和序列化。
Memory：Memory 是在链/代理的调用之间持久保存的状态。
Indexes：与应用程序特定数据结合使用时，语言模型变得更加强大——该模块包含加载、查询和更新外部数据的接口和集成。
Chains：链是结构化的调用序列（针对 LLM 或其他实用工具）。
Agents：代理是一种链，其中 LLM 在给定高级指令和一组工具的情况下，重复决策动作、执行动作并观察结果，直到完成高级指令。
Callbacks：回调函数允许您记录和流式传输任何链的中间步骤，轻松观察、调试和评估应用程序的内部状态。
Use Cases #
LangChain 可以应用于多种不同的用例和场景。以下是一些常见的 LangChain 应用场景：
Autonomous Agents：自主代理是长时间运行的代理，它们通过多个步骤尝试完成一个目标。例如 AutoGPT 和 BabyAGI。
Agent Simulations：将代理放入沙盒中，观察它们如何相互交互和对事件作出反应，可以有效地评估它们的远程推理和规划能力。
Personal Assistants：这是 LangChain 的主要应用之一。个人助理需要执行操作、记住交互，并具备对数据的知识。
Question Answering：这是另一个常见的 LangChain 应用场景。它能够根据特定文档回答问题，并仅利用这些文档中的信息构建答案。
Chatbots：语言模型非常适合进行对话，因此这是非常自然的使用场景。
Querying Tabular Data：如果您想使用语言模型查询结构化数据（如 CSV、SQL、数据帧等），建议阅读此文档。
Code Understanding：如果您想使用语言模型分析代码，请阅读此文档。
Interacting with APIs：让语言模型与 API 进行交互非常强大。它使它们能够获取实时信息并执行操作。
Extraction：从文本中提取结构化信息。
Summarization：压缩较长的文档，属于数据增强生成的一种形式。
Evaluation：使用传统指标很难评估生成模型。一种有前途的方法是使用语言模型本身进行评估。
请访问Use Cases了解更多示例和用例。
Reference Docs #
关于 LangChain 的所有方法、类、安装方法和集成设置的完整文档。
LangChain 生态系统 #
指导其他公司/产品如何与 LangChain 结合使用的指南。
其他资源 #
以下是我们认为在开发应用程序时可能有用的其他资源！
LangChainHub: LangChainHub 是一个共享和探索其他 prompts、chains 和 agents 的地方。
Gallery: 收集了我们最喜欢的使用 LangChain 的项目。用于寻找灵感或了解其他应用程序中的实现方式。
Deployments: 提供了部署 LangChain 应用程序的说明、代码片段和模板存储库的集合。
Tracing: 介绍如何使用跟踪功能在 LangChain 中可视化 chains 和 agents 的执行过程。
Model Laboratory: 在开发最佳应用程序的过程中，尝试不同的 prompts、models 和 chains 是一个重要部分。Model Laboratory 让这个过程变得简单。
Discord: 加入我们的 Discord，讨论关于 LangChain 的一切！
YouTube: LangChain 的教程和视频集合。
Production Support: 当您将 LangChains 部署到生产环境时，我们非常乐意提供更全面的支持。请填写此表单，我们将设置一个专用的支持 Slack 频道。