add section 2

_config.yml

@@ -21,7 +21,7 @@ bibtex_bibfiles:
 
 # Information about where the book exists on the web
 repository:
-  url: https://github.com/executablebooks/jupyter-book  # Online location of your book
+  url: https://github.com/daliuchen/langchain-guide  # Online location of your book
   path_to_book: docs  # Optional path to your book, relative to the repository root
   branch: master  # Which branch of the repository should be used when creating links (optional)
 

_toc.yml

@@ -5,3 +5,5 @@ format: jb-book
 root: intro
 chapters:
 - file: content/section_1
+- file: content/section_2
+

content/section_1.ipynb

@@ -531,9 +531,48 @@
    "source": [
     "# lang smith\n",
     "\n",
-    "todo"
+    "官网：\n",
+    "https://docs.smith.langchain.com/\n",
+    "lang Smith来监控上面的chain。在使用之前需要安装，配置api_key（api_key 在lang smith官网中配置就行）"
    ],
    "id": "50c9ba7bd9442ceb"
+  },
+  {
+   "metadata": {},
+   "cell_type": "markdown",
+   "source": [
+    "```shell\n",
+    "export LANGCHAIN_TRACING_V2=true\n",
+    "export LANGCHAIN_API_KEY=<your-api-key>\n",
+    "```"
+   ],
+   "id": "28654da3c9b1db40"
+  },
+  {
+   "metadata": {},
+   "cell_type": "markdown",
+   "source": [
+    "配置之后，再次运行上面的结果，可以很清晰的看到chain的运行过程，可以如下<br>\n",
+    "![](../resource/img_4.png)"
+   ],
+   "id": "1edea1d3d552f06f"
+  },
+  {
+   "metadata": {},
+   "cell_type": "markdown",
+   "source": [
+    "到此，happy path已经完成了，回顾一下，在这个例子中，了解到\n",
+    "\n",
+    "- LangChain Expression Language（LangChain的表达式）\n",
+    "- Prompt Template\n",
+    "- Chat Models\n",
+    "- Output Parsers\n",
+    "- Lang Server\n",
+    "- Lang Smith\n",
+    "\n",
+    "在之后的学习中，我会按照上面的顺序来学习分享，此外还会增加一些例子。💪🏻"
+   ],
+   "id": "b993119b73f2cfea"
   }
  ],
  "metadata": {

content/section_2.ipynb

@@ -0,0 +1,63 @@
+{
+ "cells": [
+  {
+   "metadata": {},
+   "cell_type": "markdown",
+   "source": [
+    "# LangChain Expression Language\n",
+    "\n",
+    "LangChain表达语言，简写为LCEL，是一种声明式的方式来链接LangChain组件。\n",
+    "\n",
+    "## 优点\n",
+    "- 一流的流媒体支持 \n",
+    "    当您使用LCEL构建链时，您将获得最佳的首次令牌时间（直到第一个输出块出现所经过的时间）。对于某些链，这意味着例如我们直接从LLM向流媒体输出解析器传输令牌，并且您以与LLM提供商输出原始令牌相同的速度返回解析后的增量输出块。\n",
+    "- 异步支持 \n",
+    "    任何使用LCEL构建的链都可以通过同步API（例如，在原型设计时在你的Jupyter笔记本中）以及异步API（例如，在LangServe服务器中）进行调用。这使得在原型和生产环境中使用相同的代码成为可能，具有出色的性能，并能够在同一服务器上处理许多并发请求。\n",
+    "- 优化的并行执行 \n",
+    "    每当您的LCEL链中有可以并行执行的步骤（例如，如果您从多个检索器获取文档），我们会在同步和异步接口中自动进行，以实现尽可能小的延迟。\n",
+    "- 重试和回退 \n",
+    "    为您的LCEL链的任何部分配置重试和回退。这是使您的链在大规模下更可靠的好方法。我们目前正在努力添加对重试/回退的流媒体支持，这样您就可以在不增加延迟成本的情况下获得额外的可靠性。\n",
+    "- 访问中间结果 \n",
+    "    对于更复杂的链条，通常在最终输出生成之前访问中间步骤的结果非常有用。这可以用于让终端用户知道某些事情正在发生，甚至只是调试你的链条。你可以流式传输中间结果，这在每个LangServe服务器上都可用。\n",
+    "- 输入和输出模式 \n",
+    "    输入和输出模式为每个 LCEL 链提供从链的结构推断出的 Pydantic 和 JSONSchema 模式。这可以用于验证输入和输出，是 LangServe 的一个重要组成部分。\n",
+    "- 无缝LangSmith追踪 \n",
+    "    随着链条变得越来越复杂，了解每一步到底发生了什么变得越来越重要。使用LCEL，所有步骤都会自动记录到LangSmith，以实现最大的可观察性和调试能力。\n",
+    "- 无缝LangServe部署 \n",
+    "    使用LCEL创建的任何链都可以轻松通过LangServe进行部署。\n",
+    "\n",
+    "## Runnable接口\n",
+    "    为了尽可能简化创建自定义链条的过程，我们实现了一个“Runnable”协议。许多LangChain组件都实现了Runnable协议，包括聊天模型、LLM、输出解析器、检索器、提示模板等。此外，还有一些有用的基本构件可以用于处理可运行事务，您可以在下面阅读相关信息。\n",
+    "这是一个标准接口，使得定义自定义链以及以标准方式调用它们变得容易。标准接口包括：\n"
+   ],
+   "id": "23a6f647250a9ab"
+  },
+  {
+   "metadata": {},
+   "cell_type": "markdown",
+   "source": "todo 解析runnable接口的实现原理",
+   "id": "98493c2c4b73324e"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

requirements.txt

@@ -4,4 +4,5 @@ matplotlib
 numpy
 langchain
 langchain-openai
-langserve[all]
+langserve[all]
+langsmith