尚硅谷 - LangChain从入门到实战（2026版）

LangChain 这个框架有个特点：教程很多，但真正能让你在项目里用起来的少。大多数内容停在「怎么调用 API」和「怎么拼 Prompt」这一步，等到要处理多轮对话的状态管理、要让模型去查数据库再生成回答、要把几个工具串成一条链，很多教程就讲不下去了。这套 2026 版的课，值得看的地方在于它把重心放在了后半段——也就是从「能跑通 Demo」到「能交付一个能用的东西」之间那段路。

它解决的是什么工作场景

如果你的工作里出现下面这类需求，这套资料基本对得上：给公司内部做一个能读文档、能回答问题的问答助手；把现有的几个 API 或者数据库接进一个大模型流程里，让它自己决定调用哪个；做一个带记忆的多轮对话机器人，而不是每次都要用户重复背景；或者把一段需要人工处理多次的文本流程（抽取、判断、归纳、再生成）串成一条自动化的链。

这些场景的共同点是：不是单纯调模型，而是要让模型跟外部的东西打交道，还要控制整个流程怎么走。LangChain 主要就是干这个的，这套课也是围绕这些来组织的。

学完能独立做什么

按资料的推进方式，学完之后比较现实的水平是：能自己搭起一个带检索增强的问答应用，也就是常说的 RAG——把文档切分、向量化、存进向量库，用户提问时先检索再让模型基于检索结果回答，并且能处理「检索不到」这种情况；能写出一条包含多个步骤的链，中间有模型调用、有工具调用、有条件分支；能用 LangChain 的记忆机制维护对话上下文，而不是自己手动拼历史消息；能把自定义的工具函数注册进去，让模型在需要的时候调用。

说白了，就是你能独立完成一个中小规模的 AI 应用原型，并且知道每一部分为什么这么写、出问题该往哪查。这套资料不太涉及模型训练和微调，那是另一个方向的事，别搞混。

资料适合什么基础

需要你至少能读懂 Python，知道函数、类、异步这些概念大概是怎么回事，遇到不熟的语法能自己查。完全没写过代码的话，直接上这个会比较吃力，建议先把 Python 基础过一遍。

另外，对 HTTP 请求、JSON 格式、环境变量配置这些东西最好不陌生，因为接模型 API 的时候会反复用到。至于 LangChain 本身、向量数据库、Prompt 工程这些，资料是从头讲的，不需要提前会。有后端或数据处理经验的人学起来会顺很多，因为很多概念你已经有直觉了。

怎么用这套资料效率更高

• 不要只看不写。这类框架光看是记不住的，每个知识点都自己敲一遍，哪怕照着敲，过程中出的错才是真正学到的东西。
• 先跑通最小例子，再往上加东西。不要一上来就想做完整项目，先让一次最简单的模型调用跑起来，再逐步加检索、加工具、加记忆。
• 遇到讲项目实战的部分，先自己想想「如果我来做会怎么设计」，再对照资料里的做法，差别在哪通常就是关键点。
• API 相关的部分注意成本。调试的时候用小模型、短文本，别拿长文档反复试，账单会很难看。
• LangChain 版本更新比较快，看到某些写法跑不通时，先确认是不是版本差异，再去查对应版本的文档，不用怀疑自己。

整体来说，这套资料更适合「已经决定要用 LangChain 做点东西」的人，而不是「想先了解一下 AI 是什么」的人。如果你的目标是把大模型接进实际的工作流程里，它省掉的是你自己踩坑摸路的那段时间。