大模型框架LangChain教程目录-马育民老师

# 基础

- [LangChain教程：一文读懂LangChain：LLM应用开发的万能框架](https://www.malaoshi.top/show_1GW2ouVycOe2.html "LangChain教程：一文读懂LangChain：LLM应用开发的万能框架")

- [LangChain教程：核心版本解析与学习选择](https://www.malaoshi.top/show_1GW2ov7yevXg.html "LangChain教程：核心版本解析与学习选择")

- [LangChain教程：创建Python工程，安装LangChain1.2.1](https://www.malaoshi.top/show_1GW2p6h0foL9.html "LangChain教程：创建Python工程，安装LangChain1.2.1")

- [LangChain教程：langchain-community第三方集成仓库](https://www.malaoshi.top/show_1GW3N39qlj14.html "LangChain教程：langchain-community第三方集成仓库")

- [大模型分类](https://www.malaoshi.top/show_1GW2poHiJDiU.html "大模型分类")

- [LLM大语言模型 和 Chat Model聊天模型 区别](https://www.malaoshi.top/show_1GW2pd6xyaGM.html "LLM大语言模型 和 Chat Model聊天模型 区别")

- [LangChain教程：支持的模型类比](https://www.malaoshi.top/show_1GW2pch359HS.html "LangChain教程：支持的模型类比")

- [LangChain教程：ChatOpenAI详解](https://www.malaoshi.top/show_1GW3P6rsHnDv.html "LangChain教程：ChatOpenAI详解")

# 阿里千问大模型

### 大模型

- [LangChain教程：安装dashscope库、调用阿里千问大模型](https://www.malaoshi.top/show_1GW2peUF3Lcw.html "LangChain教程：安装dashscope库、调用阿里千问大模型")

- [LangChain教程：调用阿里千问大模型，流式输出](https://www.malaoshi.top/show_1GW2pehW6RrJ.html "LangChain教程：调用阿里千问大模型，流式输出")

### 使用python-dotenv管理环境变量

- [Python库：python-dotenv管理环境变量](https://www.malaoshi.top/show_1GW2q16kzPEE.html "Python库：python-dotenv管理环境变量")

- [LangChain教程：使用python-dotenv管理环境变量](https://www.malaoshi.top/show_1GW2q1b7LQr4.html "LangChain教程：使用python-dotenv管理环境变量")

### 聊天模型

- [大模型-聊天模型（Chat Model）](https://www.malaoshi.top/show_1GW2poSGZZqf.html "大模型-聊天模型（Chat Model）")

- [LangChain教程：调用阿里千问聊天模型chat model（使用Message类封装角色）](https://www.malaoshi.top/show_1GW2praxl83S.html "LangChain教程：调用阿里千问聊天模型chat model（使用Message类封装角色）")

- [LangChain教程：调用阿里千问聊天模型chat model（使用序列封装角色）](https://www.malaoshi.top/show_1GW2pzaQGhxd.html "LangChain教程：调用阿里千问聊天模型chat model（使用序列封装角色）")

### embeddings 嵌入模型

- [从0到1搞懂RAG](https://www.malaoshi.top/show_1GW2p7JDtrda.html "从0到1搞懂RAG")

- [向量](https://www.malaoshi.top/show_1GW2ZghpL9o0.html "向量")

- [LangChain教程：embedding词嵌入（文字转化为向量、向量维度）](https://www.malaoshi.top/show_1GW2pGD0EB8l.html "LangChain教程：embedding词嵌入（文字转化为向量、向量维度）")

- [RAG中余弦相似度](https://www.malaoshi.top/show_1GW2pXaUywx8.html "RAG中余弦相似度")

- [知识库与Embedding嵌入模型、向量模型的关系，RGA检索增强生成又是什么](https://www.malaoshi.top/show_1GW1cTKiNH51.html "知识库与Embedding嵌入模型、向量模型的关系，RGA检索增强生成又是什么")

- [LangChain教程：DashScopeEmbeddings调用阿里千问embedding嵌入模型](https://www.malaoshi.top/show_1GW2q1hagRKH.html "LangChain教程：DashScopeEmbeddings调用阿里千问embedding嵌入模型")

# 提示词模板类

- [大模型提示词](https://www.malaoshi.top/show_1GW2qEWaDT3Y.html "大模型提示词")

### 基础提示词模板类

- [LangChain教程：PromptTemplate提示词模板类](https://www.malaoshi.top/show_1GW2qEzu7tpx.html "LangChain教程：PromptTemplate提示词模板类")

### 链式调用

- [LangChain LCEL 表达式语言介绍（链式调用）](https://www.malaoshi.top/show_1GW3N4nfF8Jx.html "LangChain LCEL 表达式语言介绍（链式调用）")

- [LangChain教程：提示词模板类与模型串联（结合 | 运算符）](https://www.malaoshi.top/show_1GW2qbsM9Rla.html "LangChain教程：提示词模板类与模型串联（结合 | 运算符）")

- [Python | 运算符重载](https://www.malaoshi.top/show_1GW2qDV2kDsh.html "Python | 运算符重载")

### 高级提示词模板类

- [LangChain教程：FewShotPromptTemplate提示词模板类](https://www.malaoshi.top/show_1GW2qOZeEQrL.html "LangChain教程：FewShotPromptTemplate提示词模板类")

- [LangChain教程：ChatPromptTemplate聊天大模型提示词模板类](https://www.malaoshi.top/show_1GW2qP679mBk.html "LangChain教程：ChatPromptTemplate聊天大模型提示词模板类")

# 输出解析器

- [LangChain教程：输出解析器](https://www.malaoshi.top/show_1GW2qkaxT4OX.html "LangChain教程：输出解析器")

- [LangChain教程：StrOutputParser字符串输出解析器](https://www.malaoshi.top/show_1GW2qkDs7zkb.html "LangChain教程：StrOutputParser字符串输出解析器")

- [LangChain教程：JsonOutputParser JSON输出解析器](https://www.malaoshi.top/show_1GW2qlOteOee.html "LangChain教程：JsonOutputParser JSON输出解析器")

- [LangChain教程：RunnabLeLambda组件让普通函数能融入 LangChain 的链式调用](https://www.malaoshi.top/show_1GW2qz81mZAA.html "LangChain教程：RunnabLeLambda组件让普通函数能融入 LangChain 的链式调用")

# 聊天历史持久化

- [LangChain教程：聊天历史持久化](https://www.malaoshi.top/show_1GW2r7jtaq3y.html "LangChain教程：聊天历史持久化")

- [LangChain教程：InMemoryChatMessageHistory和RunnableWithMessageHistory临时记忆](https://www.malaoshi.top/show_1GW2r1dAVcdC.html "LangChain教程：InMemoryChatMessageHistory和RunnableWithMessageHistory临时记忆")

- [LangChain教程：FileChatMessageHistory长期记忆](https://www.malaoshi.top/show_1GW2r3H2PmCN.html "LangChain教程：FileChatMessageHistory长期记忆")

# 文件加载器

- [LangChain教程：文件加载器](https://www.malaoshi.top/show_1GW2r859mCK0.html "LangChain教程：文件加载器")

### 读取word

- [LangChain教程：Docx2txtLoader读取word（.docx）文件](https://www.malaoshi.top/show_1GW2rOkMiFOk.html "LangChain教程：Docx2txtLoader读取word（.docx）文件")

- [Python库：docx2txt读取word（.docx）文件](https://www.malaoshi.top/show_1GW2rJffHnPm.html "Python库：docx2txt读取word（.docx）文件")

# 文本分割器

- [LangChain教程：文本分割器](https://www.malaoshi.top/show_1GW2rOdn8h1Q.html "LangChain教程：文本分割器")

- [LangChain教程：RecursiveCharacterTextSplitter文本分割器（搭配Docx2txtLoader拆分word）](https://www.malaoshi.top/show_1GW2rPemHeV1.html "LangChain教程：RecursiveCharacterTextSplitter文本分割器（搭配Docx2txtLoader拆分word）")

# 向量存储

- [LangChain教程：向量存储](https://www.malaoshi.top/show_1GW2rUkHAzhw.html "LangChain教程：向量存储")

- [向量数据库](https://www.malaoshi.top/show_1GW1dPWjEgKY.html "向量数据库")

- [LangChain教程：支持的向量存储数据库](https://www.malaoshi.top/show_1GW2rV8AhISc.html "LangChain教程：支持的向量存储数据库")

### ChromaDB

- [ChromaDB 向量数据库](https://www.malaoshi.top/show_1GW2rmC7hqMv.html "ChromaDB 向量数据库")

- [LangChain教程：ChromaDB向量数据库](https://www.malaoshi.top/show_1GW2rqWrlY0W.html "LangChain教程：ChromaDB向量数据库")

- [LangChain教程：ChromaDB向量数据库的检索](https://www.malaoshi.top/show_1GW2tDWp75AR.html "LangChain教程：ChromaDB向量数据库的检索")

### LanceDB

- [LanceDB 向量数据库介绍](https://www.malaoshi.top/show_1GW1tj58rKWN.html "LanceDB 向量数据库介绍")

- [LangChain教程：LanceDB向量数据库](https://www.malaoshi.top/show_1GW2rVZxYRgt.html "LangChain教程：LanceDB向量数据库")

# 简单综合案例

- [LangChain教程：使用嵌入模型从向量数据库搜索相关内容，并根据内容、提示词模板类生成答案](https://www.malaoshi.top/show_1GW2tDHp3AXH.html "LangChain教程：使用嵌入模型从向量数据库搜索相关内容，并根据内容、提示词模板类生成答案")

# RunnablePassthrough

- [LangChain教程：RunnablePassthrough的使用](https://www.malaoshi.top/show_1GW2tCQh1FTj.html "LangChain教程：RunnablePassthrough的使用")

- [LangChain教程：使用嵌入模型从向量数据库搜索相关内容，并根据内容、提示词模板类生成答案（改进）](https://www.malaoshi.top/show_1GW2tFtejqKD.html "LangChain教程：使用嵌入模型从向量数据库搜索相关内容，并根据内容、提示词模板类生成答案（改进）")

原文出处：/show_1GW2pei1cacL.html