LangChain 实战：LLM 应用开发指南--掘金小册课程推荐/优惠

作者介绍

会玩code，前腾讯技术专家。在现公司负责内部 LLM 效率应用的开发和落地。相信 AI，拥抱 AI，ALL IN AI。

小册介绍

你可能没听过 LangChain，甚至可能没听过 LLM，但 ChatGPT 肯定不陌生吧？

2022 年底，ChatGPT 的横空出世，将我们推到了一个新的历史节点。

随后，各种 AI 技术和 AI 应用遍地开花，今天 “3 分钟利用 AI 开发出一个游戏”，明天 “第一个 AI 程序员诞生”……习惯了 CURD 的我们，不禁感到无力和担忧，生怕明天就会被 AI 淘汰了。但换个思路，大语言模型的快速发展，对我们程序员何尝又不是一个巨大的机会呢？

在我看来，AI 的研究可以分为两部分：基础研究和应用研究。

• 基础研究努力让模型更 “聪明”，这需要专业的领域知识。
• 应用研究，或者称 LLM 应用开发，是指如何将 AI 应用到实际的业务场景中，让 AI 技术落地，这块就是我们普通程序员的机会。

LLM 应用开发，目的是给大语言模型（LLM）这个聪明的 “大脑” 安上 “躯干和四肢”，将模型集成到我们的程序系统中，充分利用模型的推理决策能力。当然，这需要系统的学习。开发一个能运行的 LLM 应用很简单，但构造一个符合预期、实际可用的 LLM 应用却很难。

如何让模型更好地理解问题？如何让模型学习我们的私域数据？模型本身是没有记忆的，或者说是无状态的，那如何让模型记住直接的交互内容，做出更连贯的回复？现在火热的 Agent 智能体又是什么？我们如何实现自己的 Agent？……

这些都是我们需要去深入学习的，也是我们小册的重点内容。

幸好，学习这些内容不需要深奥的数学理论和复杂算法，只要有一些编程基础，就可以快速掌握。

不管你信不信，LLM 应用开发将会是每个开发者的下一门必修课，所以，这就赶紧学起来吧！

小册亮点

LangChain 是一个功能强大的用于开发 LLM 应用的框架，提供了一系列工具、组件和接口，极大简化了开发 AI 应用的流程。这无疑是我们学习 LLM 应用开发的最佳选择。

在本小册中，我们会基于 LangChain 框架，深入其各个模块源码，将 LLM 应用开发过程中每个环节的知识点都学习并串联起来，手把手带你学会从 0 构建自己的 LLM 应用。

有人可能会问：一个集成各种组件、方便 LLM 应用开发的 “胶水” 框架，有必要深究它的原理吗？

确实，如果只是想了解 LangChain 都有哪些模块，想看看哪个组件怎么传参，那官网已经写得很清楚了。但是，官网并不会介绍组件为什么这样设计、什么时候该用哪一种组件……很多组件的背后都有对应理论或实验支撑，这些理论，才是对我们深入 LLM 应用开发最有帮助的内容。

虽然涉及框架源码，但也不要担心看不懂，我会从最基础的开始介绍，一步一步带你变强。相关代码讲解，也会精简分支，去掉多余的代码，让你更容易理解。

另外，一图胜千言，我还画了很多流程图，例如下面截取的一些展示：

输出解析器工作原理图

LCEL 链执行流程图

RAG 应用流程图

一句话，这小册的知识，我给嚼碎了往里喂！

小册大纲

下面附上小册大纲：

你会学到什么？

• 深入浅出，高效掌握 LangChain 6 大核心模块
• 从原理到实战，轻松入门 LLM 应用开发
• 实战场景演练，打造属于自己的 ChatGPT
• 剖析框架源码，不仅学用法，更学思路

适宜人群

• 被 AI 轰炸，怕丢饭碗感到迷茫的业务开发者；
• 上班摸鱼，业余打算搞点个人项目的开发者；
• 对 LLM 大语言模型和未来 AI 发展感兴趣的技术人。

• LangChain 安装与快速入门

• LCEL：轻松构建复杂 LLM 链

• 大语言模型 AI 未来号，启航了！

• LangChain 快速开发基于本地知识库的智能问答机器人

• Prompt：学好提示工程，让 AI 更懂你

• OutputParser：如何控制输出的格式？

• Prompt：使用 LangChain 的提示模板高效构造 prompt

• LLM 与私域数据的结合（二）：文档分割

• LLM 与私域数据的结合（一）：文档加载

• 函数调用：激活 LLM 的超能力

• Memory：让你的 AI 助手记忆不止 7 秒

• Memory：记忆组件那么多，该怎么选？

• LLM 与私域数据的结合（三）：数据嵌入与向量存储

• LLM 与私域数据的结合（四）：检索（上）

• 开篇词：启航之前，略叙一二

• LLM 与私域数据的结合（六）：文档总结

• Agent：深剖 LangChain 中 Agent 的实现原理

• LLM 与私域数据的结合（五）：检索（下）

• LLM 与私域数据的结合（七）：如何评估 RAG 系统？

• Agent：离未来更近一步，让 LLM 做每一步决策

• Callback：LangChain 事件回调

• 如何让你的 AI 做一个 “合法公民”？

• Agent 进阶：Multi-agent 是什么？该如何实现？

• 实战：开发一个公众号私域智能 “助教”（下）

• 实战：开发一个公众号私域智能 “助教”（上）

• 结语：归航之际，再话三两