Langchain 教程 Notebooks

本仓库包含一系列 Jupyter Notebook，旨在引导您学习和掌握 Langchain 的各项功能。Langchain 是一个强大的框架，用于构建由语言模型驱动的应用程序。

本教程通过一系列 Notebook，由浅入深地介绍 Langchain 的各种特性。每个 Notebook 都专注于 Langchain 的一个特定方面，并在之前 Notebook 的基础上逐步构建知识体系。这种结构化的学习方式能够帮助您循序渐进地学习和掌握 Langchain 的强大功能，从基本用法到更高级的技术应用。

Notebook 目录结构

所有的 Notebook 都组织在 langchain 目录下，并且按照序号排列，以反映一个循序渐进的学习路径：

• 01.base.ipynb: 介绍 Langchain 的基本概念，搭建基础环境并演示核心功能。
• 02.role_player.ipynb: 探索如何使用 Langchain 创建角色扮演场景或代理，使其能够扮演不同的角色和行为模式。
• 03.length_selector.ipynb: 重点介绍控制和管理 Langchain 中语言模型生成响应长度的技术。
• 04.output_parser_json.ipynb: 演示如何将语言模型的输出解析为结构化的 JSON 格式，方便数据提取和处理。
• 05.output_parser_xml.ipynb: 类似于 JSON 解析器，本 Notebook 展示如何将语言模型输出解析为 XML 格式，以处理结构化数据。
• 06.runnable_bind_tools.ipynb: 探索外部工具与 Langchain Runnable 的集成，使语言模型能够与外部资源交互和利用。
• 07.document_loader.ipynb: 涵盖将不同类型文档加载到 Langchain 中进行处理和分析的各种方法。
• 08.extract_information_from_arxiv.ipynb: 提供一个实际示例，展示如何使用 Langchain 从 arXiv 上的研究论文中提取相关信息。
• 09.runnable_lambda.ipynb: 介绍 RunnableLambda 在 Langchain 中的应用，使自定义 Python 函数能够集成到 Langchain 链中。
• 10.runnable_parallel.ipynb: 演示如何并行执行 Langchain Runnable，从而加速复杂任务的处理。
• 11.split_document.ipynb: 重点介绍将大型文档分割成更小块的技术，这对于语言模型高效处理长文档通常是必要的。
• 12.simple_conversation.ipynb: 指导您使用 Langchain 构建基本的对话应用程序，展示记忆和对话流程管理。
• 13.retriever_fusion.ipynb: 探索合并多个检索器以提高检索信息相关性和全面性的方法。
• 14.context_compression.ipynb: 介绍压缩提供给语言模型的上下文的技术，从而提高性能并减少 Token 使用量。
• 15.selfquery.ipynb & 15-1.selfquery_process_coding.ipynb: 深入研究自查询技术，使语言模型能够生成自己的查询来检索与用户输入相关的的信息。Notebook 15-1 可能侧重于自查询的编码过程。
• 16.time_weight.ipynb: 探索时间加权检索的概念，文档的最新程度或时间会影响其相关性。
• 17.document_parent.ipynb: 可能与文档层级结构和父子关系相关，用于更复杂的文档检索策略。
• 18.multi_vector.ipynb: 介绍多向量检索的使用，可能涉及不同的嵌入类型或向量表示，以增强检索效果。
• 19.indexing.ipynb: 涵盖 Langchain 中文档索引技术，以实现高效的搜索和检索。
• 20.memory.ipynb: 扩展 Langchain 中记忆的概念，展示更高级的记忆管理和在对话应用程序中的应用。
• 21.runnable_passthrough.ipynb: 演示 RunnablePassthrough 在 Langchain 中的应用，允许数据在链中流动，并在特定步骤保持不变。
• 22.runnable_sequence.ipynb: 重点介绍创建 Langchain Runnable 的顺序链，通过组合更简单的组件构建复杂的工作流程。
• 23.agent.ipynb: 介绍使用 Langchain 开发 Agent，展示自主实体如何与环境交互并根据语言模型推理执行任务。

代码克隆

克隆代码，并进入项目目录。

git clone [email protected]:geekmaxi/langchain_guide.git
cd langchain_guide

环境配置

本教程推荐使用 conda 管理 Python 环境。请确保您已安装 conda。如果尚未安装，请访问 conda 官网 下载并安装。

1. 创建 conda 虚拟环境:

   打开终端或 Anaconda Prompt，导航到本仓库根目录，并运行以下命令创建名为 langchain-tutorial 的虚拟环境 (您可以根据需要自定义环境名称):

   conda create -n langchain-tutorial python=3.10  # 推荐使用 Python 3.10 或更高版本

2. 激活虚拟环境:

   创建完成后，激活该虚拟环境：

   conda activate langchain-tutorial

依赖安装

本项目的依赖包信息已记录在 pyproject.toml 文件中。推荐使用 pip 安装项目依赖。请确保您已激活上面创建的 conda 虚拟环境，然后在仓库根目录下运行以下命令安装依赖：

pip install -e . # 基于 pyproject.toml 文件进行安装依赖命令

快速开始

按照以下步骤开始学习这些 Notebook：

1. 克隆本仓库到本地。
2. 确保您已安装 Python 和 Jupyter Notebook，并配置好 conda 虚拟环境。
3. 根据 "环境配置" 和 "依赖安装" 章节的说明，创建并激活 conda 虚拟环境，并安装项目依赖。
4. 导航到 langchain 目录，并在 Jupyter Notebook 中打开 Notebook 文件。
5. 按照 Notebook 的序号顺序，逐个学习 Langchain 的各项功能。

本教程系列旨在为您提供 Langchain 的全面入门指导。通过学习这些 Notebook，您将能够扎实地掌握如何利用 Langchain 构建强大的语言模型应用程序。祝您 Langchain 学习之旅愉快！