langchain-examples

本仓库包含一系列由 LangChain 驱动的应用程序。

LangChain 是一个开源框架，旨在帮助开发者构建利用大型语言模型（LLM）的强大应用。它可以用于聊天机器人、文本摘要、数据生成、代码理解、问答系统、评估等多种场景。

all-in-one

一个多页面的 Streamlit 应用，展示了使用 LangChain、OpenAI 等技术的生成式 AI 应用场景。

chroma-summary

一个示例性的 Streamlit Web 应用，用于利用 LangChain 和 Chroma 对文档进行摘要生成。

gemini-chat-pdf

一个示例性的 Streamlit Web 应用，用于通过 LangChain、Gemini 和 Chroma 实现生成式问答功能。

helicone

一个示例性的 Streamlit Web 应用，用于演示使用 LangChain 和 Helicone 的 LLM 可观测性。

news-summary

一个示例性的 Streamlit 应用，结合 LangChain 和 Serper API 实现 Google 新闻搜索及摘要生成。

pinecone-qa

一个示例性的 Streamlit Web 应用，用于通过 LangChain 和 Pinecone 实现生成式问答功能。

pinecone-summary

一个示例性的 Streamlit Web 应用，用于利用 LangChain 和 Pinecone 对文档进行摘要生成。

search-tavily

一个示例性的 Streamlit Web 应用，用于通过 LangChain 和 Tavily Search API 执行搜索查询。

search

一个示例性的 Streamlit Web 应用，用于通过 LangChain 和 SerpApi 执行搜索查询。

text-summary

一个示例性的 Streamlit Web 应用，用于利用 LangChain 和 OpenAI 对文本进行摘要生成。

url-summary

一个示例性的 Streamlit 应用，用于利用 LangChain 和 OpenAI 对 URL 内容进行摘要生成。

langchain-examples 快速上手指南

langchain-examples 是一个包含多个基于 LangChain 构建的应用示例集合，涵盖聊天机器人、文档摘要、问答系统、搜索增强等场景。所有示例均使用 Streamlit 构建前端，适合开发者快速参考和复用。

环境准备

• 操作系统：Windows / macOS / Linux
• Python 版本：3.8 - 3.11（推荐 3.10）
• 前置依赖：
  • Git
  • pip 或 conda
  • 各示例所需的 API Key（如 OpenAI、Google Gemini、Serper、Tavily、Helicone 等）

💡 国内用户建议使用 清华镜像源 加速 Python 包安装。

安装步骤

1. 克隆仓库：

git clone https://github.com/alphasecio/langchain-examples.git
cd langchain-examples

2. 创建虚拟环境（可选但推荐）：

python -m venv venv
source venv/bin/activate  # Windows 用户使用：venv\Scripts\activate

3. 安装通用依赖（部分示例需额外安装特定包，请参考对应目录的 requirements.txt）：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 设置环境变量（以 OpenAI 为例）：

export OPENAI_API_KEY="your-api-key-here"
# Windows PowerShell: $env:OPENAI_API_KEY="your-api-key-here"

⚠️ 不同示例需要不同的 API Key，请根据所选示例配置相应环境变量。

基本使用

以 text-summary（文本摘要）为例：

1. 进入示例目录：

cd text-summary

2. 安装该示例专属依赖（如有）：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 启动 Streamlit 应用：

streamlit run app.py

4. 浏览器访问 http://localhost:8501，输入文本即可生成摘要。

---

其他示例使用方法类似，只需切换目录并运行对应的 app.py 文件。每个示例均为独立项目，结构清晰，便于学习与集成。