这门课在解决什么实际问题

目前市面上很多大模型教程停留在“调 API 写 Hello World”的层面，学员看完依然不知道如何将 AI 能力嵌入到具体的业务流程中。这套课程的核心价值在于填补这一断层，它聚焦于 Langchain 和 LangGraph 两大框架，解决的是从“单点对话”到“复杂业务自动化”的工程化落地问题。

课程不仅讲解基础的 Chain 结构，更深入到多智能体（Multi-Agent）协作场景。这意味着它针对的是真实工作中需要处理长链条任务的需求，例如构建能够自动检索私有知识库、执行多步操作并最终输出结果的 AI 应用，而非仅仅是一个问答机器人。

适合谁学，以及学习门槛

本课程明确指向具备一定 Python 基础的开发者或转型者。如果你从未接触过编程，直接上手会非常吃力，因为课程默认你能够理解变量、函数及基本的数据结构概念。它特别适合三类人群：一是希望在大模型应用中深耕的技术人员；二是负责搭建企业私有知识库或内部智能客服系统的工程师；三是意图从传统软件开发转向 AI 应用开发的转行者。

值得注意的是，课程涉及 LangGraph，这是 Langchain 较新的模块化架构，用于处理循环和状态管理复杂的智能体工作流。因此，它适合那些不满足于简单 RAG（检索增强生成），而是希望构建具备自主决策和长期记忆能力的智能体系统的进阶学习者。

建议的学习路径与实操配合

学习时应遵循“先理解骨架，再填充业务逻辑”的顺序。建议优先攻克第一章“快速入门”，重点消化 Chain 的基本结构：提示词工程、模型调用与输出解析器。这是所有高级应用的地基，若此处理解模糊，后续的多智能体协作将难以驾驭。

在掌握基础后，应重点跟进私有知识库问答系统和业务 Agent 智能体这两个实战模块。不要只看不练，Langchain 的开发讲究“代码即配置”，必须亲手编写代码来串联各个组件。资料包中的案例代码是核心辅助，建议对照视频逐行调试，观察数据在不同节点间的流转过程。

学完这套内容，你应能独立搭建一个基于私有数据的智能问答系统，或者设计一个简单的多步骤业务流程自动化 Agent。更重要的是，你将具备评估和设计复杂 AI 应用架构的能力，这是当前市场上稀缺的实战技能。

课程目录

fbabfba693b2ce42b0fc4770ff8f5c07.png (592.

17 KB,  ) 2024-12-20 22:

01 上传 适合人群： AI应用开发人员、Langchain学习、私有知识库搭建者、Python爱好者 你将会学到： Langchain从零掌握实战开发私有知识库问答系统、业务Agent智能体、AI客服系统 课程简介： 今年开发人员必须掌握的Ai 开发技术来了。课程全面系统的讲解AI应用开发框架Langchain、LangGraph。帮助大家将AI整合到业务中、实现各种智能体自动化执行业务流程，和多智能体协作处理业务。 第1章Langchain快速入门(1小时17分钟7节) 1-1快速认识Langchain[15:56] 1-2chain的基本结构_提示_模型_输出解析器[09:20] 1-3免费无限制百度文心一言Langchain接口应用[06:45] 1-4Langchain快速接入国内比肩GPT4大模型Deepse[07:34] 1-5langchain接入国内最强大模型chatglm4[18:43] 1-6Langchain调用本地开源大模型ChatGLM3[10:47] 1-7Langchain接入开源大模型的类openai服务器[08:46] 第2章Langchain提示词工程(1小时17分钟6节) 2-1Langchain提示词模块与历史对话[11:15] 2-2不同案例选择器应用_长度选择器_相似度选择器_重叠选择器[21:06] 2-3ChromaDB向量数据库进行问题思路匹配提高回答准确率[15:18] 2-4对话形式提示词工程[10:42] 2-5提示词里模板中的模板解决复杂的聊天对话[11:19] 2-6Langchain管道提示词模板应用[07:21] 第3章Langchain大模型输出解析精讲(39分钟5节) 3-1Langchain缓存加速应用响应[06:51] 3-2解析输出csv_时间_枚举内容[11:03] 3-3Langchain输出JSON格式和修复大模型错误输出[09:51] 3-4langchain解析大模型XML输出格式[05:11] 3-5如何自定义大模型的输出解析器[06:04] 第4章精通Langchain数据检索增强RAG(2小时9分钟11节) 4-1RAG数据检索增强[09:29] 4-2加载知识库文档与检索算法设置[15:34] 4-3处理解析PDF文档为知识库[06:52] 4-4HTML文本分割提炼网页知识点[07:32] 4-5分割markdown_代码源码提炼知识库文档[08:34] 4-6知识库文档生成多向量检索器实现精准检索[17:00] 4-7让大模型生成检索语句进行精确查找[08:15] 4-8大模型并行控制复杂流程[12:10] 4-9大模型路由映射传递数据[16:10] 4-10自定义链式配置的多种方式[17:47] 4-11自定义流式生成器函数[09:53] 第5章 Agent智能体开发 (1小时51分钟 9节) 5-1搭建第一个AI智能体[15:08] 5-2给智能体添加记忆能力[09:20] 5-3智能体原理[11:28] 5-4OpenAI智能体调用源码解析[16:49] 5-5XML链式执行任务智能体搭建[10:21] 5-6JSON链式智能体任务执行[11:19] 5-7ReAct智能体搭建思路[05:54] 5-8从零使用Langchain搭建适应不同大模型智能体[24:11] 5-9自定义智能体记忆链创建[06:33] 第6章 给智能体插上翅膀 (1小时 6节) 6-1自主搭建超级搜索引擎Searxng服务器作为借口[13:39] 6-2控制智能体限制执行[06:36] 6-3AI大模型获取前沿论文知识[09:54] 6-4AI调用Shell接管控制电脑[15:31] 6-5AI根据问题生成代码并自主运行计算[07:14] 6-6duckduckgo免费搜索引擎API应用[07:18] 第7章 案例：具有知识库上下文感知人工智能销售助手 (53分钟 4节) 7-1具有知识库的上下文感知AI销售助手架构[07:54] 7-2引导销售链与销售智能体实现[12:07] 7-3赛力斯问界汽车知识库问答链搭建[09:19] 7-4多链分工合作协作实现AI销售助手[24:33] 第8章 LangGraph多智能体协作框架 (2小时12分钟 6节) 8-1Langgraph多智体协作框架[24:12] 8-2Langgraph多分支处多任务并行处理[12:14] 8-3循环图与多图协作处理系统复杂任务1[19:26] 8-4让智能体做GPT4都做不了的事情-讲段子Joke[21:56] 8-5灵活应用工具的LangGraph智能体[26:50] 8-6多智能体扮演明星玩综艺[27:55] 第9章 企业项目知识管理与智能检索 (2小时51分钟 15节) 9-1SQL自主调用查询[14:17] 9-2SQL连表查询与异常处理[08:33] 9-3langsmith监控调试开发[10:45] 9-4图数据库Neo4j安装与初识[12:19] 9-5cypher语法简介[05:10] 9-6创建和查找图节点精讲[10:51] 9-7创建节点关系[11:55] 9-8WHERE条件查找数据[11:46] 9-9精讲各类型修改节点与边操作[10:21] 9-10精讲各类型删除节点、关系、属性[13:27] 9-11图数据检索排序[04:46] 9-12查找1个节点到另外1个节点中间所有的关系[07:05] 9-13详讲python操控neo4j知识图谱数据库开始学习 9-14详解AI大语言模型自主操控知识图谱数据库[11:58] 9-15llm_graph_builder知识图生成器应用程[17:17] langchain大模型ai应用实战开发-资料