如何快速用LangChain打造一个智能问答小客服？仅需40行代码！(含代码)

原创

已于 2023-08-11 14:29:49 修改 · 679 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #ai

于 2023-08-10 14:59:44 首次发布

本文通过一个40行代码的示例，演示如何利用LangChain快速搭建一个智能问答小客服。首先介绍框架设计，然后讲解安装依赖、设置密钥、加载数据等准备工作。接着详细阐述编码过程，包括文本数据加载、分割、向量存储器创建、用户输入循环、问答链创建及回答获取。最后，展示执行结果和解决可能出现的问题。

我们该如何应用LangChain进行多种的开发呢？在写一些项目的时候我们经常离不开要阅读一些开源产品的代码，而这个智能问答小客服就是在LangChain源代码上进行微小改动写出来的，能够更加清晰LangChain的结构。一起来看看吧！希望通过这个例子能帮助大家更加理解LangChain。

框架设计

组件一览：

组件	类型	子类型
TextLoader	索引组件	文本加载器
RecursiveCharacterTextSplitter	索引组件	文本分割器
RetrievalQA	链组件	对话链
ChatOpenAI	模型组件	LLM
OpenAIEmbeddings	模型组件	文本嵌入模型
Chroma	索引组件	VectorStores

准备工作

安装依赖

pip install langchain
pip install ope

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

海鸟智能

关注关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【LangChain学习之旅】—（22）聊天客服机器人的开发（下）

我们都是被分成两半的人，一边热爱生活，一边憎恨生活。面对生活，我们总是在矛盾的两端摇摆，在反复的矛盾和犹豫中，一边踉跄前行，一边重振旗鼓。我渴望改变，渴望变得更好，渴望找到出口……就像一个溺水人的挣扎，就像一个救生圈。我是一个矛盾集合体，想要变得快乐，但是

05-13

426

Streamlit 和 Gradio 都是让数据科学家和开发者能够快速为机器学习模型创建 Web UI 的框架。Streamlit 是为数据应用、仪表板和可视化设计的。它提供了多种小部件，使得用户可以与数据和模型进行交互。它非常 Pythonic，意味着它的使用方式非常自然，对于熟悉 Python 的人来说非常直观。Gradio 更多是为了展示和演示机器学习模型。它提供了一种快速的方法，使非技术用户也能与机器学习模型进行交互，无需编写复杂的代码。以下是对它们特点进行的对比总结。

Dify、Coze、AutoGen和LangChain这几个智能体平台从低代码到代码驱动，从单智能体到多智能体协作，各有其独特优势和适用场景

微学AI的博客

05-22

1796

在AI应用开发领域，Dify、Coze、AutoGen和LangChain代表了四种不同的技术路径，从低代码到代码驱动，从单智能体到多智能体协作，各有其独特优势和适用场景。随着大语言模型技术的飞速发展，智能体平台已成为连接LLM与实际业务需求的关键桥梁。本报告将深入分析这四个平台的技术架构、核心功能、部署方式和适用场景，为不同需求的开发者和企业提供全面的选型参考。

1 条评论您还未登录，请先登录后发表或查看评论

10LangChain实战课 - 构建智能客服ChatBot

Y2483490891的博客

11-12

1756

在本次LangChain实战课程中，我们深入学习了如何构建一个能够处理鲜花养护和装饰问题的智能客服ChatBot。

LangChain打造一个AI客服

kaka0722ww的博客

05-28

1250

是现在用得最多的AI框架，在帮助如基于文档数据的回答、聊天机器人和代理这类的应用程序ChatGPT就是OpenAI开发的一种基于人工智能技术的自然语言处理模型，它的API允许开发人员通过简单的API调用来访问这些模型我们使用Google Colab在线平台运行python代码链接：colab.research.google.com/点击：platform.openai.com/api-keys 创建你的APIKey新建代码，输入并运行如下代码：安装langchain极简AI开发框架，细心的你会发现，此时的

LangChain源码分析（三）- 提示词系统

最新发布

OopsOutOfMemory盛利的博客

10-03

412

LangChain提示词系统是LangChain框架的核心组件，用于创建和管理输入语言模型的文本模板。该系统提供了一套灵活的模板体系，支持动态变量替换、多轮对话和少样本学习等复杂场景。核心组件包括BasePromptTemplate基类、PromptTemplate字符串模板、ChatPromptTemplate聊天模板等。系统通过模板解析、变量替换和格式化流程生成最终提示词，支持f-string、jinja2等多种模板格式。开发者可以定义复用模板结构，提高开发效率，同时确保提示词的类型安全和格式正确性。

解密 AI 客服：LangChain+ChatGPT 打造智能客服新时代

m0_65555479的博客

07-10

1519

基于 Langchain 和 Langchain-serve 的智能文档问答系统

2401_85328934的博客

05-31

1190

首先来谈下这个项目的背景。JINA AI作为开源软件的公司，维护了很多开源项目。那在此过程中，每天都会收到来自开源社区的大量问题，这间接导致工程师们每天要花很多时间去回答用户的问题。因此，基于此背景下，也就有了现在这个智能文档问答系统。首先先简单看下整个问答系统的定义。整个输入包含：用户的问题，还有完整的文档集合。而输出就是，问题的答案。

LLM 应用实战：用 LangChain 构建智能文档问答系统

hungyq的博客

06-11

1535

通过 LangChain 构建的智能文档问答系统，实现了从 "关键词匹配" 到 "语义理解" 的跨越，使企业文档真正成为可交互的知识资产。根据 IDC 预测，到 2026 年，85% 的企业知识管理系统将集成大语言模型能力，这种智能问答模式将成为企业知识服务的标准配置。引入领域适配模型，提升专业文档理解能力增加用户反馈机制，构建闭环优化系统集成工作流引擎，实现问答结果的自动化处理结合企业图谱，构建更具深度的知识关联。

全网最详细！手把手教你用 LangChain4j 打造 RAG 智能问答系统

孤芳不自赏

06-02

864

一切皆可组合！每个组件都是小而美的 Lego 块，可以按你需求灵活组装，不论是做 Q&A、Agent、还是 PDF 阅读器，都能搞定。你可以简单用 3 行代码喂 PDF，也可以细粒度控制每一步处理逻辑，真的非常适合构建企业级 Java 应用。

LangChain + 文档处理：构建智能文档问答系统 RAG 的实战指南

博客虽小，世界尽在其中

04-21

2135

在这篇文章中，我们深入探讨了如何使用 LangChain 构建一个智能文档问答系统。文章通过实战案例，展示了如何将文档内容（如员工手册、规章制度等）从 Word 文件中提取、向量化，并存储到 FAISS 向量数据库中。通过结合 OpenAI 的 GPT 模型，我们创建了一个强大的问答系统，能够根据用户的问题从文档中检索相关信息，并生成准确的答案。本文详细介绍了文档加载、文本切分、向量化存储和智能问答的核心流程，帮助读者理解如何实现高效的文档处理和检索机制，从而在实际应用中为企业或个人提供智能化的文档管理和问

基于LangChain-ChatGLM构建智能客服（二）

疯癫的老码农的博客

09-26

733

我们知道LangChain-ChatGLM对是GPU硬件强依赖的，每一台LangChain-ChatGLM服务支持的并发数也是有限的，当支持很大并发量的情况下，单台LangChain-ChatGLM服务满足不了要求的情况下，如何对LangChain-ChatGLM服务中的知识库一致性如何管理呢？

基于LangChain构建企业级智能问答机器人：从数据处理到部署全指南

LCG元的博客

07-21

1221

本文详细讲解如何利用LangChain构建企业级智能问答系统。主要内容包括：技术栈准备（Python环境、核心依赖安装）、RAG架构原理（检索增强生成技术）、LangChain核心组件（模型、提示、链）的深度解析，以及从数据处理到系统部署的完整实现流程。通过本教程，读者将掌握基于向量数据库和LLM的智能问答系统开发技能，构建支持精准检索、上下文理解和多轮对话的企业知识库应用。

基于LangChain-Chatchat实现智能问答系统

华鑫的专栏

05-06

900

政务方向，直接推组长，流程推进快，有意可私信，官网可见此岗位要求：尽快入职，HC地点优先北京，每周。我真绷不住了，快手4/25面之后泡到现在，实在等不及了打电话去问hr，一问说是已经离职了，并且不知道。一面1、自我介绍2、项目介绍、项目亮点3、盒模型4、实现水平垂直居中5、CSS实现三角形6、JS的数。base 地都是上海，美团是到店下面的本地核心商业，做的应该是基建相关的技术，转正率不知道怎么样。又是面的稀烂的一集两个面试官拷打我的项目，话说这不是一面吗主要拷打在压测这一块，看得出来面试官对这块。

5分钟，结合 LangChain 搭建自己的生成式智能问答系统

字节跳动云原生计算官方账号

07-20

1922

本文将基于提示学习方式，介绍如何基于火山引擎云搜索服务和方舟平台来构建专属的智能问答系统。

AI 客服定制：LangChain集成订单能力

2401_85324918的博客

06-15

1216

为了提高AI客服的问题解决能力，我们引入了LangChain自定义能力，并集成了订单能力。这使得AI客服可以根据用户提出的问题，自动调用订单接口，获取订单信息，并结合文本知识库内容进行回答。这种能力的应用，使得AI客服可以更好地解决与业务系统有关的问题。本文是对前文AI客服的迭代升级，集成订单能力，使其在售后方面也能提供一些自动快速解决能力。通过子类化BaseTool 可以快速实现基于业务的工具，工具可以在代理运行时调用。在定义工具时，工具描述是非常重要的，它决定了大模型通过代理决策是否要调用该工具。

基于LangChain-ChatGLM构建智能客服（一）

疯癫的老码农的博客

09-26

575

工程角度对LangChain-ChatGLM进行包装，包括知识库的维护更新、智能问答场景如何设计实现、模块如何划分、模块如何交互、数据如何更新等情况需要逐一剖析~

(六)、基于 LangChain 实现大模型应用程序开发 | 基于知识库的个性化问答 (文档分割 Splitting)

weixin_43646592的博客

11-20

3065

基于 LangChain 实现大模型应用程序开发 | 基于知识库的个性化问答 (文档分割 Splitting)

LangChain 源码剖析（八）：对话记忆的 “智能管家“_RunnableWithMessageHistory

orchidofocean的博客

07-18

1287

RunnableWithMessageHistory是一个为对话系统设计的记忆管理组件，通过自动加载、合并和保存历史消息实现多轮对话功能。核心特点包括：1)自动维护上下文，支持多种存储方式；2)灵活处理不同输入输出格式；3)可配置会话标识规则。其四层架构（初始化、加载合并、处理、保存）完整管理对话生命周期，通过装饰器模式增强原Runnable功能，实现存储与逻辑分离。该组件既能用于开发测试（内存存储），也能适应生产环境（Redis等持久化方案），是构建聊天机器人、智能客服等系统的关键基础设施。