LangChain 开发实战

本仓库包含一系列 LangChain 教程，根据模块组织，并参考了官方 LangChain 文档。

章节内容

• 01-安装 - 介绍 LangChain 的安装与环境设置，包括模块化安装和 API 密钥配置。
• 02-LangChain 表达式语言 (LCEL) - 深入介绍 LangChain 表达式语言 (LCEL)，它是 LangChain 的核心，提供声明式方式组合组件，构建从简单到复杂的链。
• 03-LCEL 流式处理 - 探讨 LangChain 表达式语言 (LCEL) 中的流式传输，这是提升 LLM 应用用户体验的关键特性，允许模型逐字或逐词返回结果。
• 04-LCEL 并行 - 介绍 LangChain 表达式语言 (LCEL) 中的并行执行，通过 RunnableParallel 组件实现任务的并发处理，以提高 LLM 应用的效率和响应速度。
• 05-回调 - 介绍 LangChain 的回调系统，允许您挂接到 LLM 应用生命周期的各个阶段，用于日志记录、监控和流式传输等。
• 06-序列化 - 介绍 LangChain 中的序列化，允许您保存、加载和分享 LangChain 组件，对于版本控制、协作和构建可复现的 AI/LLM 工作流至关重要。
• 07-LLM 和聊天模型 - 介绍 LangChain 中与大型语言模型交互的两种核心抽象：LLM 和 ChatModel，并强调 ChatModel 在现代应用中的优势。
• 08-函数调用 - 介绍 LangChain 中的函数调用（或工具调用），这是现代 LLM 的强大功能，允许模型与外部世界交互、获取信息或执行任务。
• 09-自定义模型 - 介绍如何在 LangChain 中创建自定义模型，包括自定义 LLM 和聊天模型，以集成新模型或修改现有行为。
• 10-提示模板 - 介绍 LangChain 中的提示模板，它是预定义的、可复用的、带有参数的"配方"，用于动态生成高质量的 LLM 提示。
• 11-聊天提示模板 - 介绍 LangChain 中的聊天提示模板 (ChatPromptTemplate)，它是为 ChatModel 设计的，用于处理多轮对话历史和构建动态消息列表。
• 12-消息类型 - 介绍 LangChain 中与 ChatModel 交互的核心消息类型，包括 HumanMessage、AIMessage、SystemMessage 和 ToolMessage，它们是构建多轮对话的基础。
• 13-示例选择器 - 介绍 LangChain 中的示例选择器，它能根据特定策略从庞大的示例库中动态选择最相关的示例，以优化少样本学习。
• 14-输出解析器 - 介绍 LangChain 中的输出解析器，它负责将 LLM 的原始文本输出转换为结构化数据，是连接语言模型和应用程序逻辑的桥梁。
• 15-自定义输出解析器 - 介绍如何创建自定义输出解析器，以处理 LangChain 内置解析器不支持的特定输出格式，或增加解析逻辑的健壮性。
• 16-文档加载器 - 介绍 LangChain 中的文档加载器，它负责从各种来源加载数据，并将其统一转换为 LangChain 的标准 Document 格式，是构建 LLM 应用的第一步。
• 17-文本分割器 - 介绍 LangChain 中的文本分割器，它将长文档分割成小的、语义相关的块，以适应 LLM 的上下文窗口并提升检索效率。
• 18-嵌入模型 - 介绍 LangChain 中的嵌入模型，它将文本转换为数值向量，使得机器能够理解文本的语义相似性，是语义搜索和 RAG 应用的基础。
• 19-向量存储 - 介绍 LangChain 中的向量存储，它用于高效存储和查询高维向量，是实现语义搜索和 RAG 应用的关键组件。
• 20-检索器 - 介绍 LangChain 中的检索器，它是一个通用接口，负责接收查询并返回相关文档列表，是 RAG 链中数据获取的关键组件。
• 21-索引 - 介绍 LangChain 的索引 API，它将文档加载、分割、嵌入和存储流程封装起来，并增加了状态管理和高效同步变更的功能，是构建可维护 RAG 应用的关键。
• 22-链 - 介绍 LangChain 中的"链" (Chain) 概念，它是将多个组件组合成完整工作流的核心，并强调使用 LangChain 表达式语言 (LCEL) 构建链的优势。
• 23-代理 - 介绍 LangChain 中的"代理" (Agent)，它赋予 LLM 推理和行动的能力，能够根据情况动态决定下一步操作，是构建复杂 LLM 应用的关键。
• 24-工具 - 介绍 LangChain 中的"工具" (Tool)，它是代理与外部世界交互的手段，赋予 LLM 执行特定任务的能力，如搜索、代码执行或 API 调用。
• 25-工具包 - 介绍 LangChain 中的工具箱 (Toolkit)，它将一组功能相关的工具打包在一起，简化了特定领域工具的集成和使用。
• 26-内存 - 介绍 LangChain 中的记忆 (Memory) 组件，它允许 LLM 应用记住过去的交互，从而在多轮对话中保持上下文和连贯性。
• 27-多模态 - 介绍 LangChain 中的多模态能力，允许处理和生成包含文本、图像等多种模态的数据，以构建更丰富、更具上下文感知的应用程序。
• 28-用例 - 探讨 LangChain 在不同应用场景中的具体用例，展示如何利用 LangChain 构建功能丰富的 AI 应用程序，涵盖 RAG、数据提取、聊天机器人等。
• 29-LangGraph - 介绍 LangGraph，它是 LangChain 生态系统中的一个库，专门用于构建有状态、多参与者的 LLM 应用程序，以图形形式定义复杂工作流。
• 30-LangSmith - 介绍 LangSmith，它是 LangChain 平台的一个开发者平台，旨在帮助您调试、测试、评估和监控任何 LLM 应用程序，提供端到端的可观测性。
  台，旨在帮助您调试、测试、评估和监控任何 LLM 应用程序，提供端到端的可观测性。
• 31-MCP 适配器 - 介绍 LangChain MCP 适配器，它促进 LangChain 与 Anthropic 模型上下文协议 (MCP) 工具的集成，使 LangChain 代理能够使用 MCP 工具。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】