LangChain編程：從入門到實踐（第2版）

李多多 後端工程師，曾在阿裏雲和綠盟科技擔任研發工程師職務，我目前是一名獨立開發者，同時是LLM應用技術棧的布道師，專註於開源社區項目貢獻和介紹。我擅長使用Golang和Python編程語言，曾參與了autogpt（開源社區第一個基於大模型的agent項目）和agenta（開源的提示詞管理、評估、測試平臺）兩個開源項目的代碼貢獻。我還具備從零到一開發基於大模型的人工智能應用的經驗，比如智能閱讀助手（https://readergpt.fullstackllm.com）。在早期，我撰寫了許多關於LangChain的中文文章（谷歌搜索的首頁，收錄了我所有的相關文章），並在線維護了一本名為《LLM應用開發實踐筆記》的開源書籍（https://aitutor.liduos.com/02-langchain/02-1.html，用戶3500，瀏覽量1萬）。https://github.com/morsoli，公眾號“LLM應用全棧開發”作者。

目　錄

第 1章　LangChain簡介 1

1.1　LangChain的產生背景 1

1.1.1　大模型技術浪潮 1

1.1.2　大模型時代的開發範式 5

1.1.3　LangChain框架的爆火 6

1.2　LangChain核心概念和模塊 8

1.2.1　模型I/O模塊 9

1.2.2　RAG模塊 9

1.2.3　存儲模塊 10

1.2.4　工具模塊 11

1.2.5　回調組件 11

1.2.6　LCEL語法 11

1.2.7　LangGraph庫 12

1.2.8　小結 14

1.3　LangChain與其他框架的比較 15

1.3.1　框架介紹 15

1.3.2　框架比較 17

1.3.3　小結 18

第 2章　LangChain初體驗 20

2.1　開發環境準備 20

2.1.1　管理工具安裝 20

2.1.2　源碼安裝 21

2.1.3　其他庫安裝 21

2.2　快速開始 22

2.2.1　模型組件 22

2.2.2　提示詞模板組件 24

2.2.3　輸出解析器組件 25

2.2.4　使用LCEL進行組合 26

2.2.5　使用LangSmith進行觀測 28

2.2.6　使用LangServe提供服務 29

2.3　最佳安全實踐 31

第3章　模型輸入與輸出 33

3.1　大模型原理解釋 33

3.1.1　為什麼模型輸出不可控 33

3.1.2　輸入對輸出的影響 34

3.2　提示詞模板組件 37

3.2.1　基礎提示詞模板 37

3.2.2　自定義提示詞模板 39

3.2.3　使用FewShotPromptTemplate 40

3.2.4　示例選擇器 42

3.3　大模型接口 45

3.3.1　聊天模型 46

3.3.2　聊天模型提示詞的構建 46

3.3.3　定制大模型接口 49

3.3.4　擴展模型接口 54

3.4　輸出解析器 54

第4章　鏈的構建 59

4.1　鏈的基本概念 59

4.2　LCEL語法探究 59

4.3　Runnable對象接口 61

4.3.1　schema屬性 65

4.3.2　invoke方法 66

4.3.3　stream方法 68

4.3.4　batch方法 69

4.3.5　astream_log方法 70

4.3.6　astream_events方法 72

4.4　LCEL高級特性 74

4.4.1　ConfigurableField 74

4.4.2　RunnableLambda 75

4.4.3　RunnableBranch 75

4.4.4　RunnablePassthrough 76

4.4.5　RunnableParallel 76

4.4.6　容錯機制 77

第5章　RAG介紹 78

5.1　RAG技術概述 78

5.2　LangChain中的RAG組件 81

5.2.1　文檔加載組件 81

5.2.2　文檔分割組件 82

5.2.3　文檔嵌入 87

5.2.4　向量存儲 92

5.2.5　檢索器 96

5.2.6　多文檔聯合檢索 104

5.2.7　RAG技術的關鍵挑戰 108

5.3　RAG實踐 108

5.3.1　文檔預處理過程 108

5.3.2　文檔檢索過程 113

5.3.3　方案優勢 118

第6章　智能代理設計 119

6.1　智能代理的概念 119

6.2　LangChain中的代理 120

6.2.1　LLM驅動的智能代理 120

6.2.2　代理組件 122

6.3　LangGraph庫 126

6.3.1　LangGraph核心概念 127

6.3.2　LangGraph代理能力 136

6.3.3　使用LangGraph構建代理

應用 143

第7章　記憶系統 152

7.1　記憶系統介紹 153

7.2　短期記憶管理 153

7.2.1　保留全部對話 153

7.2.2　記憶窗口機制 154

7.2.3　按條件篩選對話 156

7.2.4　創建對話摘要 157

7.3　長期記憶管理 161

7.3.1　基於向量的記憶存儲 161

7.3.2　基於知識圖譜構建結構化

記憶 168

7.4　自定義記憶組件 170

7.4.1　方案說明 170

7.4.2　代碼實踐 171

第8章　回調機制 177

8.1　回調處理器 177

8.2　使用回調的兩種方式 179

8.2.1　構造器回調 179

8.2.2　請求回調 179

8.3　實現可觀測性插件 180

第9章　構建多模態智能機器人 183

9.1　需求思考與設計 183

9.1.1　需求分析 183

9.1.2　應用設計 183

9.1.3　Slack應用配置 185

9.2　利用LangChain開發應用 189

9.2.1　構建Slack事件接口 189

9.2.2　消息處理框架 190

9.2.3　實現多模態代理 193

9.3　應用監控和調優 196

9.3.1　應用監控 197

9.3.2　模型效果評估 197

9.3.3　模型備選服務 198

9.3.4　模型內容安全 198

9.3.5　應用部署 198

第 10章　社區和資源 199

10.1　LangChain社區介紹 199

10.1.1　官方博客 199

10.1.2　項目代碼與文檔 199

10.1.3　社區貢獻 200

10.1.4　參與社區活動 201

10.2　資源和工具推薦 201

10.2.1　模板 202

10.2.2　LangServe 203

10.2.3　LangSmith 205

10.2.4　教程用例 208

10.3　LangChain的未來展望 208

10.3.1　生態系統概覽 209

10.3.2　變化與重構 210

10.3.3　發展計劃 210