人工精选LangChain实战课
这门课解决什么工作场景 LangChain 是目前构建 LLM 应用最主流的开发框架,但官方文档晦涩、生态碎片化,导致许多开发者在实际落地时无从下手。这门课程的核心价值,在于帮你跨越“看懂概念”到“写出代码”的鸿沟。它不只讲理论,而是聚焦于真实工作中的高频场景:如何通过 RAG(检索增强生成)技术搭
会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
这门课解决什么工作场景
LangChain 是目前构建 LLM 应用最主流的开发框架,但官方文档晦涩、生态碎片化,导致许多开发者在实际落地时无从下手。这门课程的核心价值,在于帮你跨越“看懂概念”到“写出代码”的鸿沟。它不只讲理论,而是聚焦于真实工作中的高频场景:如何通过 RAG(检索增强生成)技术搭建企业级智能问答系统,如何利用 Prompt 工程提升模型的回复质量,以及如何调用外部工具完成复杂任务。
如果你正在面临“想用 AI 赋能业务,却不知道怎么把模型接入现有系统”的困境,或者想知道如何处理非结构化数据、优化提示词效果,这门课提供了从环境配置到完整应用落地的实操路径。它特别适合那些希望摆脱玩具级 Demo,转向生产环境开发的程序员和产品技术人员。
适合什么基础、学完能独立做什么
本课程面向具备 Python 基础开发能力的读者。你不需要是 AI 算法专家,但需要熟悉基本的编程逻辑,能够阅读英文文档并调试代码。对于完全零基础或仅懂理论不懂代码的读者,建议先补足 Python 基础,否则入门篇的安装与环境配置环节可能会带来较高门槛。
学完本课程后,你将具备独立开发基于 LLM 的应用的能力。具体而言,你能做到:第一,熟练配置 LangChain 开发环境,理解其核心组件如模型接口、提示模板和输出解析器的运作机制;第二,能够编写高效的提示词,运用少样本学习和思维链技术解决复杂逻辑问题;第三,独立搭建一个基于本地知识库的智能问答系统,实现文档上传、向量化检索与精准回答的完整闭环;第四,了解 LangGraph 等进阶工具,具备构建多 Agent 协作系统的初步视野。
建议先看哪几块、资料怎么配合练习
学习路线上,建议严格按照课程顺序推进。开篇的“启程篇”是地基,务必亲手完成 LangChain 的安装与“易速鲜花”知识库系统的搭建,这是后续所有高级功能的基石,切勿跳读。进入“基础篇”后,重点攻克第 3 至第 5 讲,这是 LangChain 的核心方法论——模型交互、提示工程(FewShot 与 Chain of Thought),这三讲的质量直接决定你后续应用的上限。
关于资料的使用,课程配套的代码示例和文档至关重要。建议不要只看不练,在观看每讲视频时,同步打开本地 IDE,跟随代码敲一遍。特别是提示工程部分,你可以尝试替换课程中的示例文案,观察不同参数对模型输出的实际影响。对于进阶部分,如 LangGraph 和 A2A 相关的加餐内容,建议在你已经独立完成基础篇项目后作为拓展阅读,用于探索更复杂的 Agent 工作流,而非入门时的必选项。通过这种“主线夯实 + 支线拓展”的方式,能确保你既掌握核心技能,又不过早陷入复杂概念的泥潭。
课程目录
开篇词 (1讲)
- 开篇词|带你亲证AI应用开发的“奇点”时刻
加餐分享 (3讲)
- 热点加餐:用LangGraph和A2A实现货币兑换Agent
- 直播加餐|LangChain的Tracing、Debug和LangSmith平台解读
- 直播加餐|LangChain表达式语言LCEL初探
启程篇 (2讲)
- 01|LangChain系统安装和快速入门
- 02|用LangChain快速构建基于“易速鲜花”本地知识库的智能问答系统
基础篇 (11讲)
- 03|模型I_O:输入提示、调用模型、解析输出
- 04|提示工程(上):用少样本FewShotTemplate和ExampleSelector创建应景文案
- 05|提示工程(下):用思维链和思维树提升模型思考质量
- 06|调用模型:使用OpenAI API还是微调开源Llama2_ChatGLM?
- 07|输出解析:用OutputParser生成鲜花推荐列表
- 08|链(上):写一篇完美鲜花推文?用SequencialChain链接不同的组件
- 09|链(下):想学“育花”还是“插花”?用RouterChain确定客户意图
- 10|记忆:通过Memory记住客户上次买花时的对话细节
- 11|代理(上):ReAct框架,推理与行动的协同
- 12|代理(中):AgentExecutor究竟是怎样驱动模型和工具完成任务的?
- 13|代理(下):结构化工具对话、Self-Ask with Search以及Plan and execute代理
应用篇 (6讲)
- 14|工具和工具箱:LangChain中的Tool和Toolkits一览
- 15|检索增强生成:通过RAG助力鲜花运营
- 16|连接数据库:通过链和代理查询鲜花信息
- 17|回调函数:在AI应用中引入异步通信机制
- 18|CAMEL:通过角色扮演脑暴一个鲜花营销方案
- 19|BabyAGI:根据气候变化自动制定鲜花存储策略
实战篇 (4讲)
- 20|部署一个鲜花网络电商的人脉工具(上)
- 21|部署一个鲜花网络电商的人脉工具(下)
- 22|易速鲜花聊天客服机器人的开发(上)
- 23|易速鲜花聊天客服机器人的开发(下)
结束语 & 结课测试 (2讲)
- 结束语|人生的价值就在于创造
- 结课测试|来赴一场满分之约





