LangChain系列文章
- LangChain 60 深入理解LangChain 表达式语言23 multiple chains链透传参数 LangChain Expression Language (LCEL)
- LangChain 61 深入理解LangChain 表达式语言24 multiple chains链透传参数 LangChain Expression Language (LCEL)
- LangChain 62 深入理解LangChain 表达式语言25 agents代理 LangChain Expression Language (LCEL)
- LangChain 63 深入理解LangChain 表达式语言26 生成代码code并执行 LangChain Expression Language (LCEL)
- LangChain 64 深入理解LangChain 表达式语言27 添加审查 Moderation LangChain Expression Language (LCEL)
- LangChain 65 深入理解LangChain 表达式语言28 余弦相似度Router Moderation LangChain Expression Language (LCEL)
- LangChain 66 深入理解LangChain 表达式语言29 管理prompt提示窗口大小 LangChain Expression Language (LCEL)
- LangChain 67 深入理解LangChain 表达式语言30 调用tools搜索引擎 LangChain Expression Language (LCEL)
- LangChain 68 LLM Deployment大语言模型部署方案
- LangChain 69 向量数据库Pinecone入门
- LangChain 70 Evaluation 评估、衡量在多样化数据上的性能和完整性
- LangChain 71 字符串评估器String Evaluation衡量在多样化数据上的性能和完整性
- LangChain 72 reference改变结果 字符串评估器String Evaluation
- LangChain 73 给结果和参考评分 Scoring Evaluator
- LangChain 74 有用的或者有害的helpful or harmful Scoring Evaluator
- LangChain 75 打造你自己的OpenAI + LangChain网页应用
- LangChain 76 LangSmith 从入门到精通一
- LangChain 77 LangSmith 从入门到精通二
- LangChain 78 LangSmith 从入门到精通三
- LangChain 79 LangGraph 从入门到精通一
- LangChain 80 LangGraph 从入门到精通二
1. ChatAgentExecutor：带有函数调用的代理执行器
这个代理执行器将消息列表作为输入，并输出消息列表。所有代理状态都表示为消息列表。这特别使用OpenAI函数调用。这是推荐的代理执行器，适用于支持函数调用的新型基于聊天的模型。
- Getting Started Notebook 入门笔记本：介绍如何从头开始创建这种类型的执行器
- High Level Entrypoint 高级入口点：介绍如何使用聊天代理执行器的高级入口点。
我们还有很多示例，突出显示如何稍微修改基本的聊天代理执行器。所有这些都是getting started notebook 基于入门笔记本构建的，因此建议您首先从那里开始。
- Human-in-the-loop 人在循环中：如何添加人在循环组件
- Force calling a tool first 首先强制调用工具：如何始终首先调用特定工具
- Respond in a specific format 以特定格式回复：如何强制代理以特定格式回复
- Dynamically returning tool output directly 动态返回工具输出：如何动态地让代理选择是否直接向用户返回工具的结果
- Managing agent steps 管理代理步骤：如何更明确地管理代理所采取的中间步骤
2. AgentExecutor
此代理执行程序使用现有的LangChain代理。
- Getting Started Notebook 入门笔记本：逐步介绍如何从头开始创建这种类型的执行程序
- High Level Entrypoint 高级入口点：介绍如何使用聊天代理执行程序的高级入口点。
我们还有很多示例，重点介绍如何轻微修改基本的聊天代理执行程序。所有这些都是 getting started notebook 基于入门笔记本构建的，因此建议您首先从那里开始。
- Human-in-the-loop 人在环中：如何添加人在环组件
- Force calling a tool first 强制首先调用工具：如何始终首先调用特定工具
- Managing agent steps 管理代理步骤：如何更明确地管理代理所采取的中间步骤
3. 多智能体示例 Multi-agent Examples
- Multi-agent collaboration 多智能体协作：如何创建两个智能体一起完成任务
- Multi-agent with supervisor 带监督的多智能体：如何通过使用LLM作为“监督员”来编排单个智能体，以分配工作
- Hierarchical agent teams 分级智能体团队：如何编排智能体“团队”作为嵌套图，以协作解决问题
4. 通过模拟进行聊天机器人评估 Chatbot Evaluation via Simulation
在多轮对话中经常很难评估聊天机器人。一种方法是使用模拟来实现这一点。
- Chat bot evaluation as multi-agent simulation 将聊天机器人评估作为多智能体模拟：如何模拟“虚拟用户”与您的聊天机器人之间的对话
5. 异步 Async
如果您在异步工作流中运行LangGraph，您可能希望默认创建节点为异步。有关如何执行此操作的详细步骤，请参阅此文档
6. 流式标记 Streaming Tokens
有时语言模型需要一段时间才能做出响应，您可能希望将标记流式传输给最终用户。有关如何执行此操作的指南，请参阅此文档
代码
https://github.com/zgpeace/pets-name-langchain/tree/develop
参考
https://python.langchain.com/docs/langsmith/walkthrough
