LangChain 和 Elasticsearch 加速构建 AI 检索代理
作者：来自 Elastic Joe McElroy, Aditya Tripathi, Serena Chou
Elastic 和 LangChain 很高兴地宣布发布新的 LangGraph 检索代理模板，旨在简化需要代理使用 Elasticsearch 进行代理检索的生成式人工智能 (GenAI) 代理应用程序的开发。此模板预先配置为使用 Elasticsearch，允许开发人员使用 LangChain 和 Elasticsearch 快速构建代理。
要立即开始，请访问 github 上的项目：https://github.com/langchain-ai/retrieval-agent-template
什么是 LangGraph？
LangGraph 帮助开发人员使用 LLM 构建有状态、多参与者应用程序，用于创建代理和多代理工作流。有一些新概念需要学习，例如循环（cycles）、分支（branching）和持久性（persistence） - 这些概念允许开发人员在应用程序中实现循环、条件和错误处理机制。这使得 LangGraph 成为创建复杂工作流的绝佳选择，代理可以暂停以进行用户输入或更正。有关更多详细信息，你可以查看 LangChain Academy 上的 LangGraph 简介课程。
新的检索代理模板专注于通过利用 Elasticsearch 进行知识检索来完成问答任务。用户可以设置能够根据自然语言查询检索相关信息的代理。该模板为 Elasticsearch 提供了一个简单、可配置的界面，使其成为希望构建基于搜索检索的代理的开发人员的绝佳起点。
关于 LangGraph 的默认 Elasticsearch 模板
Elasticsearch 向量数据库功能：该模板利用 Elasticsearch 的向量存储和搜索功能来实现更精确、更相关的知识检索。
检索代理功能：这使代理能够使用检索增强生成 (RAG)，帮助大型语言模型 (LLM) 通过从 Elasticsearch 中存储的数据中检索最相关的信息来提供更准确、上下文丰富的答案。
与 LangGraph Studio 集成：借助 LangGraph Studio，开发人员可以更好地理解和构建复杂的代理应用程序。它在用户友好的界面中提供直观的可视化和调试工具，使开发、优化和排除 AI 应用程序故障变得更加容易。
开始构建
Elastic 和 LangChain 很高兴让开发人员使用此模板构建下一代智能、知识驱动的 AI 代理。
访问 GitHub 上的检索代理模板，或访问 Search Labs 获取使用 Elasticsearch 和 LangChain 的指南。祝你搜索代理愉快！
准备好自己尝试了吗？开始免费试用。
Elasticsearch 集成了 LangChain、Cohere 等工具。加入我们的 Beyond RAG Basics 网络研讨会，构建你的下一个 GenAI 应用程序！
原文：LangChain and Elasticsearch accelerate time to build AI retrieval agents — Search Labs