Skip to main content

2Markdown

2markdown服务将网站内容转换为结构化的markdown文件。

# 您需要获取自己的API密钥。请参阅https://2markdown.com/login

api_key = ""
from langchain.document_loaders import ToMarkdownLoader
loader = ToMarkdownLoader.from_api_key(
    url="https://python.langchain.com/en/latest/", api_key=api_key
)
docs = loader.load()
print(docs[0].page_content)
    ## 目录
    
    - [入门指南](#getting-started)
    - [模块](#modules)
    - [用例](#use-cases)
    - [参考文档](#reference-docs)
    - [LangChain生态系统](#langchain-ecosystem)
    - [其他资源](#additional-resources)
    
    ## 欢迎使用LangChain [\#](\#welcome-to-langchain "Permalink to this headline")
    
    **LangChain**是一个基于语言模型开发应用程序的框架。我们相信，最强大和独特的应用程序不仅会调用语言模型，还会：
    
    1. _数据感知_：将语言模型连接到其他数据源
    
    2. _主动性_：允许语言模型与其环境进行交互
    
    
    LangChain框架是围绕这些原则设计的。
    
    这是文档的Python特定部分。有关LangChain的纯概念指南，请参阅[此处](https://docs.langchain.com/docs/)。有关JavaScript文档，请参阅[此处](https://js.langchain.com/docs/)。
    
    ## 入门指南 [\#](\#getting-started "Permalink to this headline")
    
    如何开始使用LangChain创建语言模型应用程序。
    
    - [快速入门指南](https://python.langchain.com/en/latest/getting_started/getting_started.html)
    
    
    概念和术语。
    
    - [概念和术语](https://python.langchain.com/en/latest/getting_started/concepts.html)
    
    
    社区专家创建的并在YouTube上展示的教程。
    
    - [教程](https://python.langchain.com/en/latest/getting_started/tutorials.html)
    
    
    ## 模块 [\#](\#modules "Permalink to this headline")
    
    这些模块是我们认为是任何LLM驱动应用程序的核心抽象。
    
    对于每个模块，LangChain提供了标准的可扩展接口。LanghChain还提供了外部集成，甚至提供了用于即插即用的端到端实现。
    
    每个模块的文档包含快速入门示例、操作指南、参考文档和概念指南。
    
    这些模块是（从简单到复杂）：
    
    - [模型](https://python.langchain.com/docs/modules/model_io/models/)：支持的模型类型和集成。
    
    - [提示](https://python.langchain.com/en/latest/modules/prompts.html)：提示管理、优化和序列化。
    
    - [内存](https://python.langchain.com/en/latest/modules/memory.html)：内存是在链/代理的调用之间持久存在的状态。
    
    - [索引](https://python.langchain.com/en/latest/modules/data_connection.html)：当与特定应用程序数据结合使用时，语言模型变得更加强大-此模块包含用于加载、查询和更新外部数据的接口和集成。
    
    - [链](https://python.langchain.com/en/latest/modules/chains.html)：链是调用LLM或不同实用程序的结构化序列。
    
    - [代理](https://python.langchain.com/en/latest/modules/agents.html)：代理是一个链，其中LLM在给定高级指令和一组工具的情况下，重复决定一个动作，执行该动作并观察结果，直到高级指令完成。
    
    - [回调](https://python.langchain.com/en/latest/modules/callbacks/getting_started.html)：回调允许您记录和流式传输任何链的中间步骤，从而轻松观察、调试和评估应用程序的内部。
    
    
    ## 用例 [\#](\#use-cases "Permalink to this headline")
    
    常见LangChain用例的最佳实践和内置实现：
    
    - [自主代理](https://python.langchain.com/en/latest/use_cases/autonomous_agents.html)：自主代理是长时间运行的代理，它采取多个步骤以完成目标。示例包括AutoGPT和BabyAGI。
    
    - [代理模拟](https://python.langchain.com/en/latest/use_cases/agent_simulations.html)：将代理放入沙盒中，观察它们如何相互交互和对事件做出反应，可以有效评估它们的长期推理和规划能力。
    
    - [个人助手](https://python.langchain.com/en/latest/use_cases/personal_assistants.html)：这是LangChain的主要用例之一。个人助手需要执行操作、记住交互并了解您的数据。
    
    - [问答](https://python.langchain.com/en/latest/use_cases/question_answering.html)：另一个常见的LangChain用例。根据特定文档回答问题，仅利用这些文档中的信息构建答案。
    
    - [聊天机器人](https://python.langchain.com/en/latest/use_cases/chatbots.html)：语言模型喜欢聊天，这是它们非常自然的用途。
    
    - [查询表格数据](https://python.langchain.com/en/latest/use_cases/tabular.html)：如果您想使用语言模型查询结构化数据（CSV、SQL、数据帧等），建议阅读此文档。
    
    - [代码理解](https://python.langchain.com/en/latest/use_cases/code.html)：如果您想使用语言模型分析代码，建议阅读此文档。
    
    - [与API交互](https://python.langchain.com/en/latest/use_cases/apis.html)：使语言模型能够与API交互非常强大。它使它们能够访问最新信息并执行操作。
    
    - [提取](https://python.langchain.com/en/latest/use_cases/extraction.html)：从文本中提取结构化信息。
    
    - [摘要](https://python.langchain.com/en/latest/use_cases/summarization.html)：压缩较长的文档。一种数据增强生成的类型。
    
    - [评估](https://python.langchain.com/en/latest/use_cases/evaluation.html)：使用传统指标很难评估生成模型。一种有前途的方法是使用语言模型本身进行评估。
    
    
    ## 参考文档 [\#](\#reference-docs "Permalink to this headline")
    
    LangChain的所有方法、类、安装方法和集成设置的完整文档。
    
    - [参考文档](https://python.langchain.com/en/latest/reference.html)
    
    
    ## LangChain生态系统 [\#](\#langchain-ecosystem "Permalink to this headline")
    
    如何使用其他公司/产品与LangChain配合使用的指南。
    
    - [LangChain生态系统](https://python.langchain.com/en/latest/ecosystem.html)
    
    
    ## 其他资源 [\#](\#additional-resources "Permalink to this headline")
    
    我们认为在开发应用程序时可能有用的其他资源！
    
    - [LangChainHub](https://github.com/hwchase17/langchain-hub)：LangChainHub是一个共享和探索其他提示、链和代理的地方。
    
    - [画廊](https://python.langchain.com/en/latest/additional_resources/gallery.html)：我们最喜欢的使用LangChain的项目集合。用于寻找灵感或了解其他应用程序中的操作方式非常有用。
    
    - [部署](https://python.langchain.com/en/latest/additional_resources/deployments.html)：用于部署LangChain应用程序的说明、代码片段和模板存储库的集合。
    
    - [跟踪](https://python.langchain.com/en/latest/additional_resources/tracing.html)：使用跟踪在LangChain中可视化链和代理的执行的指南。
    
    - [模型实验室](https://python.langchain.com/en/latest/additional_resources/model_laboratory.html)：尝试不同的提示、模型和链是开发最佳应用程序的重要组成部分。ModelLaboratory使这一过程变得简单。
    
    - [Discord](https://discord.gg/6adMQxSpJS)：加入我们的Discord，讨论有关LangChain的一切！
    
    - [YouTube](https://python.langchain.com/en/latest/additional_resources/youtube.html)：LangChain教程和视频的集合。
    
    - [生产支持](https://forms.gle/57d8AmXBYp8PP8tZA)：当您将LangChains投入生产时，我们很乐意提供更全面的支持。请填写此表格，我们将设置一个专门的支持Slack频道。