LangChain چیست و چرا به آن نیاز داریم؟

فراخوانی یک مدل زبانی با یک درخواست HTTP کار سختی نیست. سختی از جایی شروع می‌شود که بخواهید ارائه‌دهنده را عوض کنید، پرامپت‌ها را مدیریت کنید، خروجی را به داده‌ی ساخت‌یافته تبدیل کنید یا به مدل ابزار بدهید. LangChain برای همین لایه ساخته شده است.

مسئله: هر ارائه‌دهنده یک API متفاوت#

OpenAI، Anthropic، Google و مدل‌های محلی هر کدام قالب پیام، نام پارامترها و شکل پاسخ خودشان را دارند. LangChain یک رابط مشترک روی همه‌ی آن‌ها می‌گذارد:

from langchain.chat_models import init_chat_model

model = init_chat_model("openai:gpt-4o-mini")
# برای تعویض ارائه‌دهنده فقط همین رشته عوض می‌شود:
# model = init_chat_model("anthropic:claude-sonnet-4-5")
# model = init_chat_model("ollama:llama3.2")

print(model.invoke("سلام! خودت را در یک جمله معرفی کن.").content)

اجزای اصلی#

در این دوره چه می‌سازیم؟#

در طول دوره یک «دستیار پاسخ به سؤالات فنی» می‌سازیم که سؤال کاربر را می‌گیرد، با پرامپت مناسب به مدل می‌دهد، پاسخ را ساخت‌یافته برمی‌گرداند و در درس آخر می‌تواند از ابزار هم استفاده کند.