Die Kernkomponenten von LangChain erklärt
Lernen Sie die grundlegenden Bausteine von LangChain kennen, darunter LLMs, Prompts, Chains und Agents, und erfahren Sie, wie sie zusammenwirken.
Die Kernkomponenten von LangChain erklärt ist eine kostenlose AI Agents with LangChain & Autonomous Workflows-Lektion auf CoddyKit. Dies ist Lektion 2 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents with LangChain & Autonomous Workflows-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents with LangChain & Autonomous Workflows-Kurs umfasst insgesamt 4 Lektionen.
Welcome to LangChain Core!
Lernen Sie jetzt LangChain kennen, ein Framework für die Entwicklung von Agenten. Es bietet modulare Komponenten, die Sie wie LEGO-Steine zusammenfügen können.
The Brain: Large Language Models (LLMs)
Das Gehirn des Agenten ist das LLM — ein Modell, das mit riesigen Textmengen trainiert wurde, um Sprache zu verstehen und zu generieren. LangChain macht es einfach, GPT- oder Open-Source-Modelle anzubinden.
LLM in Action: A Simple Call
Hier ist ein einfacher LLM-Aufruf in LangChain, bei dem ein künstliches Modell verwendet wird, sodass er ohne API-Schlüssel ausgeführt werden kann.
from langchain_core.llms import FakeListLLM
# Our 'brain' that gives predefined answers
llm = FakeListLLM(responses=[
"The capital of France is Paris.",
"Hello! How can I help you today?"
])
# Ask the LLM a question
response = llm.invoke("What is the capital of France?")
print(response)Guiding the Brain: Prompts
Ein LLM benötigt Anweisungen, und das sind Ihre Prompts — der Eingabetext, den Sie ihm geben. Gute Prompts sind entscheidend, um das gewünschte Ergebnis zu erhalten.
Dynamic Prompts: Prompt Templates
Verwenden Sie für sich verändernde Eingaben eine Prompt-Vorlage: eine wiederverwendbare Blaupause mit Platzhaltern, die zur Laufzeit gefüllt werden.
from langchain_core.prompts import PromptTemplate
# Define a template with a placeholder '{topic}'
qa_template = """
Answer the following question about {topic}:
Question: {question}
"""
# Create a PromptTemplate object
prompt = PromptTemplate.from_template(qa_template)
# Format the prompt with specific values
formatted_prompt = prompt.format(
topic="Python programming",
question="What is a variable?"
)
print(formatted_prompt)Connecting Steps: Chains
Die meisten Agenten-Aufgaben erfordern mehrere Schritte. Eine Chain (Kette) ist eine vordefinierte Sequenz, die LLMs, Prompts und Hilfsprogramme miteinander verknüpft und jede Ausgabe an den nächsten Schritt weitergibt.
Building a Simple Chain
Hier ist eine einfache Chain: Eine Prompt-Vorlage, die über das Runnable-Interface von LangChain an ein LLM übergeben wird. Die Ausgabe des Prompts fließt direkt in das Modell ein.
from langchain_core.llms import FakeListLLM
from langchain_core.prompts import PromptTemplate
# 1. Our 'brain'
llm = FakeListLLM(responses=["A variable is a named storage location."])
# 2. Our prompt template
qa_template = """
Explain {concept} in simple terms.
"""
prompt = PromptTemplate.from_template(qa_template)
# 3. Combine them into a chain using '|' operator
# The prompt output goes into the LLM as input
chain = prompt | llm
# Invoke the chain with the input for the template
response = chain.invoke({"concept": "variable"})
print(response)The Orchestrator: Agents
Chains laufen in festen Schritten ab; Agenten sind dynamisch. Ein Agent entscheidet, welche Aktion ausgeführt werden soll, führt sie aus, beobachtet das Ergebnis und wiederholt dies, bis das Ziel erreicht ist.
How Agents Use Components
Agenten bringen alles zusammen: LLMs zum Schließen, Prompts zur Lenkung des Denkens, Chains für mehrstufige Arbeit und Tools zum Agieren in der realen Welt.
Putting it All Together
Stellen Sie sich einen intelligenten Assistenten vor: Ein Prompt gibt die Aufgabe vor, das LLM schlussfolgert, eine Kette verarbeitet die Eingabe und der Agent wählt ein Wettertool aus – anschließend formatiert das LLM die Antwort.
Quick Check: Core Components
Welche LangChain-Komponente ist in erster Linie für die dynamische Entscheidungsfindung und Werkzeugauswahl in einer KI-Anwendung verantwortlich?
Recap & Next Steps
Zusammenfassung: die vier LangChain-Bausteine — LLMs (das Gehirn), Prompts (Anweisungen), Chains (Sequenzen) und Agents (dynamische Entscheider). Als Nächstes: Einen davon bauen.
Häufig gestellte Fragen
Ist die Lektion „Die Kernkomponenten von LangChain erklärt“ kostenlos?
Ja — der vollständige Text von „Die Kernkomponenten von LangChain erklärt“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents with LangChain & Autonomous Workflows-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents with LangChain & Autonomous Workflows-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Die Kernkomponenten von LangChain erklärt“?
Lernen Sie die grundlegenden Bausteine von LangChain kennen, darunter LLMs, Prompts, Chains und Agents, und erfahren Sie, wie sie zusammenwirken. Du übst AI Agents with LangChain & Autonomous Workflows mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Agents with LangChain & Autonomous Workflows zu starten?
Keine Vorkenntnisse erforderlich. AI Agents with LangChain & Autonomous Workflows auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 2 von 4.
Wie lange dauert die Lektion „Die Kernkomponenten von LangChain erklärt“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Agents with LangChain & Autonomous Workflows-Lektion Code schreiben und ausführen?
Ja. Jede AI Agents with LangChain & Autonomous Workflows-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- KI-Agenten und LLMs verstehen
- Die Kernkomponenten von LangChain erklärt
- Ihren ersten einfachen Agenten erstellen
- Agents mit Gedächtnis und Konversationszustand ausstatten