学习 LangChain

LangChain 概述、教程及示例

请参阅 YouTube 上的配套教程。

如需在新教程发布时及时获取通知，可将其 发送至您的邮箱。

如果您是 Jupyter Notebook 或 Colab 的新手，请观看 此视频。

刚接触 LangChain？

推荐学习路径：

1. LangChain 烹饪书 第一部分：7 个核心概念 - 代码，视频
2. LangChain 烹饪书 第二部分：9 种用例 - 代码，视频
3. 浏览下方项目，并深入探索。

提示工程（我最喜欢的资源）：

1. 提示工程概述 由 Elvis Saravia 演讲
2. ChatGPT 提示工程开发者指南 - 直接来自 OpenAI 的提示工程基础
3. Brex 的提示工程指南

🤖 项目图库

🐇 初学者 = 入门级项目，用于练习 LangChain

🐒 中级 = LangChain 的深入使用

🦈 高级 = LangChain 的高级或自定义实现

📝 总结 - 深度解析：代码，视频

项目	联系人	难度	开源吗？	备注
SummarizePaper.com	Quentin Kral	🐒 中级	✅ 代码	总结 arXiv 论文

❓ 文档问答

项目	联系人	难度	开源吗？	备注
ChatPDF	Ashish Talati	🐒 中级	✅ 代码	使用您自己的数据进行聊天和提问

📦 数据提取

项目	联系人	难度	开源吗？	备注
Kor	Eugene Yurtsev	🐒 中级	✅ 代码	这是一个半成品原型，利用大型语言模型 (LLMs) 助力从文本中提取结构化数据 🧩。
OpeningAttributes	@gregkamradt	🐇 初学者	✅ 代码	从职位描述中提取技术与工具

🔍 评估

项目	联系人	难度	开源吗？	备注
Auto-Evaluator	@RLanceMartin	🦈 高级	✅ 代码	评估问答链

📊 查询表格数据

项目	联系人	难度	开源吗？	备注
待定

💻 代码理解

项目	联系人	难度	开源吗？	备注
待定

🌐 与 API 交互

项目	联系人	难度	开源吗？	备注
待定

💬 聊天机器人

项目	联系人	难度	开源吗？	备注
LangChain ChatBot	David Peterson	🐒 中级	✅ 代码	输入您的 PDF 文档，即可对数据进行分析、提问或计算。

🤖 代理

项目	联系人	难度	开源吗？	备注
Agents Via Vocode	@vocode	🐒 中级	✅ 代码	代理打电话订披萨
NexusGPT	@achammah1	🐒 中级		AI 自由职业者平台。Discord

👽 其他 👽

项目	联系人	难度	开源吗？	备注
Slack-GPT	@martinseanhunt	🐒 中级	✅ 代码	一个简单的 Slack 应用/聊天机器人入门，使用 Bolt.js Slack 应用框架、Langchain、OpenAI 和 Pinecone 向量存储，基于自定义数据集为用户问题提供 LLM 生成的答案。

💁 贡献

作为一个快速发展的开源项目，我们非常欢迎各种形式的贡献，无论是更新代码、改进文档，还是推荐值得展示的项目。

请提交带有说明的 PR。

本仓库及系列内容由 DataIndependent 提供，并由 Greg Kamradt 维护。

LangChain Tutorials 快速上手指南

本指南基于 langchain-tutorials 仓库，旨在帮助开发者快速掌握 LangChain 的核心概念与实战项目。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.9 或更高版本
• 包管理器：pip 或 conda
• 运行环境：推荐使用 Jupyter Notebook 或 Google Colab（新手友好）
  • 若不熟悉 Jupyter/Colab，可参考官方推荐的基础视频教程。
• API Key：准备一个 OpenAI API Key（或其他大模型服务商的 Key），用于驱动示例代码。

安装步骤

1. 克隆仓库 获取教程代码库到本地：

   git clone https://github.com/gkamradt/langchain-tutorials.git
   cd langchain-tutorials
   

2. 创建虚拟环境（推荐）

   python -m venv langchain-env
   # Windows
   langchain-env\Scripts\activate
   # macOS/Linux
   source langchain-env/bin/activate
   

3. 安装依赖 虽然仓库主要提供 Notebook 示例，但运行代码需要安装 LangChain 及相关库。建议先安装核心库：

   pip install langchain langchain-openai langchain-community python-dotenv notebook
   

   (注：部分高级项目如 ChatPDF 或 Agents 可能需要额外安装 pypdf, tiktoken, pinecone-client 等特定依赖，请根据具体 Notebook 顶部的导入语句按需安装。)

4. 配置 API Key 在项目根目录创建 .env 文件并填入您的密钥：

   echo "OPENAI_API_KEY=sk-your-api-key-here" > .env
   

基本使用

本仓库的学习路径设计为从核心概念到具体用例。以下是两种最简单的启动方式：

方式一：运行核心教程 Notebook（推荐）

这是最系统的学习方式，包含代码单元格和详细注释。

1. 启动 Jupyter Notebook：

   jupyter notebook
   

2. 在浏览器中打开以下两个核心文件进行学习：
   • 基础概念：打开 LangChain Cookbook Part 1 - Fundamentals.ipynb
     • 涵盖 7 个核心概念，适合初学者建立认知。
   • 实战用例：打开 LangChain Cookbook Part 2 - Use Cases.ipynb
     • 涵盖 9 种常见应用场景（如总结、问答、提取等）。

方式二：快速代码示例（Python 脚本）

如果您想直接在 Python 脚本中体验最简单的 LangChain 调用（基于教程中的核心逻辑），可创建一个 test.py 文件：

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
from dotenv import load_dotenv
import os

# 加载环境变量
load_dotenv()

# 初始化模型
llm = ChatOpenAI(model="gpt-3.5-turbo")

# 构建消息并调用
messages = [HumanMessage(content="用一句话解释什么是 LangChain？")]
response = llm.invoke(messages)

print(response.content)

运行脚本：

python test.py

探索更多项目

完成基础学习后，您可以进入 Project Gallery 目录，尝试不同难度的开源项目：

• 🐇 入门：尝试 OpeningAttributes (从职位描述中提取技术栈)。
• 🐒 进阶：运行 ChatPDF (与文档对话) 或 SummarizePaper (论文总结)。
• 🦈 高级：研究 Auto-Evaluator (评估问答链效果)。