使用 LangChain 构建依托 LLM 的应用

本页面介绍了如何使用 LangChain 构建依托 LLM 的应用。本页上的概览链接到 GitHub 中的过程指南。

什么是 LangChain？

LangChain 是一个 LLM 编排框架，可帮助开发者构建生成式 AI 应用或检索增强生成 (RAG) 工作流。它提供了可简化复杂 LLM 工作流的结构、工具和组件。

如需详细了解 LangChain，请参阅 Google LangChain 页面。如需详细了解 LangChain 框架，请参阅 LangChain 产品文档。

适用于 Bigtable 的 LangChain 组件

Bigtable 提供以下 LangChain 接口：

• 文档加载器
• 聊天消息记录

如需了解如何使用 LangChain，请参阅适用于 Bigtable 的 LangChain 快速入门。此快速入门创建了一个应用，该应用会访问 Netflix 电影数据集，以便用户可以与电影数据交互。

适用于 Bigtable 的文档加载器

文档加载器会保存、加载和删除 LangChain Document 对象。例如，您可以将要处理的数据加载到嵌入中，并将其存储在矢量存储区，或将其用作向链提供特定上下文的工具。

如需从 Bigtable 中的文档加载器加载文档，请使用 BigtableLoader 类。BigtableLoader 方法会从表中返回一个或多个文档。使用 BigtableSaver 类来保存和删除文档。

如需了解详情，请参阅 LangChain 文档加载器主题。

文档加载器过程指南

关于文档加载器的 Bigtable 指南介绍了如何执行以下操作：

• 安装集成软件包和 LangChain
• 从表中加载文档
• 向加载器添加过滤条件
• 自定义连接和身份验证
• 通过指定客户内容和元数据来自定义文档构造
• 如何使用并自定义 BigtableSaver 来存储和删除文档

适用于 Bigtable 的 Chat 消息记录

问答应用需要对话中所述内容的历史记录，以便提供应用上下文来回答用户的其他问题。LangChain ChatMessageHistory 类可让应用保存消息，并在需要时检索消息来编制更多答案。消息可以是问题、答案、陈述句、问候语或者用户或应用在对话期间提供的其他任何一段文字。ChatMessageHistory 会存储每条消息，并将每个对话的消息链接在一起。

Bigtable 使用 BigtableChatMessageHistory 扩展此类。

聊天消息记录过程指南

关于聊天消息记录的 Bigtable 指南介绍了如何执行以下操作：

• 安装 LangChain 并向 Google Cloud进行身份验证
• 初始化 Bigtable 架构
• 初始化 BigtableChatMessageHistory 类以添加和删除消息
• 使用客户端自定义连接和身份验证