🦜🔗前言

前置知识要求

在开始学习本教程之前，你需要具备以下基础知识：

学习路径图

教程特色

1. 零基础友好：每个概念都配有通俗解释和类比，不假设你有任何 AI 开发经验
2. 代码完整可运行：所有示例都是完整的 Python 脚本，复制即可运行
3. 参数全覆盖：每个类和方法的参数都有详细说明和示例
4. Mermaid 图表：用可视化图表帮助理解架构和数据流
5. 最佳实践：每个模块都包含生产环境的最佳实践建议
6. 中文原生：全中文编写，表达自然流畅

先附目录每日更新 共同学习送个免费的关注吧。

目录

• Part 1: LangChain 概述与环境搭建
  • 1.1 什么是 LangChain
  • 1.2 架构全景图
  • 1.3 包结构详解
  • 1.4 环境搭建
  • 1.5 LangChain 1.3 新特性
  • 1.6 最佳实践
• Part 2: Models（模型）
  • 2.1 模型类型概览
  • 2.2 Chat Models（聊天模型）
  • 2.3 LLMs（传统语言模型）
  • 2.4 多模型支持
  • 2.5 嵌入模型（Embeddings）
  • 2.6 模型最佳实践
• Part 3: Prompts（提示）
  • 3.1 概述
  • 3.2 PromptTemplate
  • 3.3 ChatPromptTemplate
  • 3.4 FewShotPromptTemplate
  • 3.5 提示最佳实践
• Part 4: Output Parsers（输出解析器）
  • 4.1 概述
  • 4.2 StrOutputParser
  • 4.3 PydanticOutputParser
  • 4.4 JsonOutputParser
  • 4.5 CommaSeparatedListOutputParser
  • 4.6 StructuredOutput
  • 4.7 自定义解析器
  • 4.8 输出解析最佳实践
• Part 5: LCEL（LangChain Expression Language）
  • 5.1 LCEL 概述
  • 5.2 Runnable 接口详解
  • 5.3 管道操作符 |
  • 5.4 RunnablePassthrough
  • 5.5 RunnableParallel
  • 5.6 RunnableLambda
  • 5.7 RunnableBranch
  • 5.8 配置与运行时修改
  • 5.9 错误处理
  • 5.10 LCEL 最佳实践
• Part 6: Chains（链）
  • 6.1 链的概念
  • 6.2 使用 LCEL 构建链
  • 6.3 链的调用方式
  • 6.4 链的最佳实践
• Part 7: Documents（文档处理）
  • 7.1 Document 对象
  • 7.2 Document Loaders（文档加载器）
  • 7.3 Text Splitters（文本分割器）
  • 7.4 文档处理最佳实践
• Part 8: Vector Stores（向量存储）
  • 8.1 向量存储概念
  • 8.2 Chroma（本地开发首选）
  • 8.3 FAISS（高性能）
  • 8.4 其他向量存储
  • 8.5 Retriever 接口
  • 8.6 高级检索技术
  • 8.7 向量存储最佳实践
• Part 9: RAG（检索增强生成）
  • 9.1 RAG 概述
  • 9.2 基础 RAG 实现
  • 9.3 RAG 提示工程
  • 9.4 高级 RAG 技术
  • 9.5 RAG 评估
  • 9.6 RAG 最佳实践
• Part 10: Memory（记忆）
  • 10.1 记忆概述
  • 10.2 LangGraph Checkpointer（推荐）
  • 10.3 传统记忆组件
  • 10.4 在链中使用记忆
  • 10.5 记忆最佳实践
• Part 11: Tools（工具）
  • 11.1 工具概述
  • 11.2 @tool 装饰器
  • 11.3 StructuredTool
  • 11.4 Tool 类
  • 11.5 DynamicTool
  • 11.6 内置工具
  • 11.7 ToolKit
  • 11.8 工具调用
  • 11.9 工具最佳实践
• Part 12: Agents（智能体）
  • 12.1 Agent 概述
  • 12.2 create_react_agent（LangChain 推荐）
  • 12.3 使用 LangGraph 构建自定义 Agent
  • 12.4 Agent 类型
  • 12.5 多 Agent 系统
  • 12.6 Agent 记忆
  • 12.7 Agent 评估
  • 12.8 Agent 最佳实践
• Part 13: Callbacks 与 Tracing（回调与追踪）
  • 13.1 回调系统概述
  • 13.2 BaseCallbackHandler
  • 13.3 内置回调处理器
  • 13.4 LangSmith 追踪 ⭐
  • 13.5 回调与追踪最佳实践
• Part 14: 实战项目（3个完整项目）
  • 14.1 项目一：智能文档问答系统（RAG）
  • 14.2 项目二：多工具智能助手（Agent）
  • 14.3 项目三：自动化内容生成系统
• Part 15: 常见错误排查与调试
  • 15.1 安装与环境错误
  • 15.2 API 调用错误
  • 15.3 代码错误
  • 15.4 RAG 常见问题
  • 15.5 Agent 常见问题
  • 15.6 调试技巧
• Part 16: 最佳实践与生产部署
  • 16.1 项目结构最佳实践
  • 16.2 提示工程最佳实践
  • 16.3 RAG 最佳实践
  • 16.4 Agent 最佳实践
  • 16.5 性能优化
  • 16.6 成本控制
  • 16.7 安全最佳实践
  • 16.8 生产部署
  • 16.9 从旧版本迁移指南
  • 16.10 学习资源与进阶路线