LangChain大模型開發實踐

第1章 LangChain基礎知識
1.1 人工智能和LLM概述
1.1.1 人工智能的發展歷程
1.1.2 LLM的興起
1.1.3 LLM的能力和局限性
1.2 LLM應用及其挑戰
1.2.1 LLM應用的定義和特點
1.2.2 LLM應用的常見類型
1.2.3 構建LLM應用面臨的挑戰
1.3 LangChain框架簡介
1.3.1 LangChain的設計理念和目標
1.3.2 LangChain的核心組件
1.3.3 LangChain的優勢
1.4 LangChain的應用場景
1.4.1 構建支持知識增強的LLM應用
1.4.2 實現基於多輪對話的聊天機器人
1.4.3 開發面向特定領域的智能助手
1.4.4 集成外部工具以執行覆雜任務
1.5 其他LLM應用開發框架
1.5.1 常見的LLM應用開發框架
1.5.2 特點和局限性
1.5.3 為什麼選擇LangChain
小結
思考題
第2章 搭建LangChain的開發環境
2.1 選擇開發語言和工具
2.1.1 Python簡介及其在人工智能領域的應用
2.1.2 常用的Python集成開發環境（IDE）
2.1.3 本書選用的開發語言和工具
2.2 安裝LangChain及其依賴庫
2.2.1 使用pip安裝LangChain
2.2.2 LangChain的主要依賴庫
2.2.3 處理安裝過程中的常見問題
2.3 配置LangChain開發環境
2.3.1 創建並激活Python虛擬環境
2.3.2 在IDE中配置LangChain項目
2.3.3 LangChain的配置文件和環境變量
2.4 運行 個LangChain程序
2.4.1 問答程序示例的實現步驟
2.4.2 運行程序並分析結果
2.4.3 示例程序的代碼解析
2.4.4 本書的開發環境搭建
2.4.5 常見錯誤及解決方法
2.5 LangChain開發資源
小結
思考題
第3章 LangChain的基礎組件
3.1 快速入門案例
3.1.1 LLM鏈
3.1.2 檢索鏈
3.1.3 對話檢索鏈
3.1.4 代理
3.2 模型（Model I/O）
3.2.1 簡介
3.2.2 提示模板
3.2.3 聊天模型
3.2.4 大語言模型
3.2.5 輸出解析器
3.3 文檔檢索
3.3.1 關鍵模塊
3.3.2 文檔加載器
3.3.3 文本分割器
3.3.4 文本嵌入模型
3.3.5 檢索器
3.3.6 索引
3.4 代理
3.4.1 核心思想
3.4.2 代理類型
3.4.3 工具
3.4.4 案例分析
3.5 鏈
3.6 記憶
3.7 回調
小結
思考題
第4章 LangChain表達式語言
4.1 快速入門案例
4.2 LCEL簡化LLM的開發
4.3 Runnable接口
4.3.1 簡介
4.3.2 輸入輸出模式
4.3.3 Runnable接口的方法
4.3.4 異步事件流
4.3.5 異步中間步驟流
4.3.6 並行執行
4.4 LangChain中的流式處理
4.4.1 Runnable接口與流式處理方法
4.4.2 流式處理LLM和聊天模型
4.4.3 構建支持流式處理的鏈
4.4.4 處理不支持流式處理的組件
4.4.5 事件過濾
4.4.6 在自定義工具中傳播回調
4.4.7 使用RunnableParallel操作輸入輸出
4.4.8 並行執行
4.5 使用LangChain表達式語言完成常見的任務
4.5.1 Prompt+LLM
4.5.2 RAG
4.5.3 對話式檢索鏈
4.5.4 多鏈組合
4.5.5 查詢SQL數據庫
4.5.6 代理
4.5.7 使用工具
4.5.8 代碼編寫
小結
思考題
第5章 LangChain實戰：構建智能問答系統
5.1 智能問答系統概述
5.1.1 什麼是智能問答系統
5.1.2 智能問答系統的應用場景和價值
5.1.3 構建智能問答系統的關鍵技術和挑戰
5.2 基於LangChain的問答系統架構
5.2.1 問答系統的整體架構和流程
5.2.2 LangChain在問答系統中的角色和優勢
5.2.3 問答系統的核心組件和功能
5.3 數據準備和預處理
5.3.1 構建知識庫的數據來源和格式
5.3.2 使用LangChain的Document Loader加載數據
5.3.3 使用LangChain的Text Splitter分割文本
5.4 構建知識庫索引
5.4.1 什麼是向量數據庫和嵌入
5.4.2 使用LangChain的Embedding類創建嵌入
5.4.3 使用LangChain的Vector Store類創建向量數據庫
5.5 實現問答流程
5.5.1 問題理解和分析
5.5.2 知識檢索和答案生成
5.5.3 答案過濾和排序
5.6 優化和改進問答系統
5.6.1 引入反饋機制和交互設計
5.6.2 持續學習和知識 新
5.6.3 擴展問答系統的功能和應用
小結
思考題
第6章 LangChain實戰：構建智能文檔助手
6.1 智能文檔助手概述
6.1.1 什麼是智能文檔助手
6.1.2 智能文檔助手的應用場景和價值
6.1.3 構建智能文檔助手的關鍵技術和挑戰
6.2 基於LangChain的文檔助手架構
6.2.1 文檔助手架構和流程
6.2.2 LangChain在文檔助手中的優勢
6.2.3 文檔助手的核心功能模塊
6.3 文檔數據的處理與分析
6
本書旨在提供一個全面 、系統的LangChain學習指 南。全書共7章，循序漸進 地介紹LangChain的核心概 念和使用方法。第1章討論 人工智能、大語言模型的發 展歷程和應用場景，闡述 LangChain框架的設計理念 和優勢；第2章詳細介紹如 何搭建LangChain的開發環 境，引導讀者編寫 個 LangChain程序；第3、4章 深入剖析LangChain的基礎 組件和領域特定語言LCEL ，幫助讀者掌握構建大語言 模型應用的關鍵技能；第5 ～7章通過多個實戰項目， 展示如何使用LangChain構 建智能問答系統、智能文檔 助手和知識圖譜應用，將所 學知識應用到實踐中。 本書適合具備一定 Python編程基礎、對人工智 能（特別是自然語言處理、 大語言模型）感興趣的讀者 閱讀。通過學習本書，讀者 可以掌握使用LangChain開 發大語言模型應用的思路和 方法，獨立設計和實現智能 應用系統。