LangChain 学习笔记：从零搭建 LLM 应用的完整路线

张开发
• 2026/5/21 18:14:50 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

LangChain 学习笔记：从零搭建 LLM 应用的完整路线
会调大模型 API 之后下一步通常是加多轮对话、接知识库、调工具。这些如果全靠手写代码量上去了不说稳定性和可维护性也很难保证。LangChain 就是干这个的——把 LLM 应用开发中那些重复的活抽成标准组件拼起来就能用。先理解 LangChain 整体定位 ——为什么不直接调 API 而要用框架再搞清 Model I/O ——跟模型对话的标准姿势然后学 Chain 链 ——用 LCEL 把多个步骤串起来接着理解 Memory 记忆 ——让对话机器人记住上下文再掌握 Retrieval 检索 ——RAG 系统在 LangChain 里怎么搭最终学习 Agent 智能体 ——让模型学会调用外部工具这条路径就是这套笔记的主线。接下来会按这个顺序把 6 个主题的笔记陆续发出来。这篇先理一下整体结构。6 个主题① 概述全局认知 → ② Model I/O模型交互 → ③ Chain 链流程编排 → ④ Memory 记忆对话状态 → ⑤ Retrieval 检索知识增强 → ⑥ Agent 智能体工具调用① LangChain 概述——为什么不直接调 API 而要用框架直接调 API 当然能跑通但一旦涉及多轮对话、文档检索、输出解析这些需求手写的胶水代码就越来越多。LangChain 把这些通用能力抽成了模块理解它的生态和组件划分后面学具体模块会快很多。框架定位LLM 应用开发的胶水层版本演进从 LangChain 到 LangChain LangGraph 的生态拆分核心组件Model I/O、Chain、Memory、Retrieval、Agent 的职责划分LangSmith 和 LangServe 等周边工具的定位② Model I/O——跟模型对话的标准姿势模型接口、Prompt 模板和输出解析器这三件套是所有 LangChain 应用的起点。搞清楚 PromptTemplate 怎么用、OutputParser 怎么把模型的自由文本解析成结构化数据后面写 Chain 和 Agent 就顺了。模型接口ChatModel 和 LLM 的区别怎么切换不同厂商的模型Prompt 模板PromptTemplate、ChatPromptTemplate 的用法输出解析StrOutputParser、JsonOutputParser 怎么把自由文本变成结构化数据流式输出.stream()和.astream()的使用场景③ Chain 链——用 LCEL 把多个步骤串起来LCELLangChain Expression Language是 LangChain 1.0 之后主推的编排方式用管道操作符|把 Prompt、模型、解析器串成一条处理链。比起老的SequentialChain写起来更简洁也支持并行和条件分支。LCEL 语法管道操作符|和 Runnable 协议常用 Chain 类型顺序链、并行链、条件分支链RunnablePassthrough 和 RunnableLambda 的使用场景从老的 Chain API 迁移到 LCEL 的思路④ Memory 记忆——让对话机器人记住上下文默认情况下LLM 每次调用都是无状态的——上一轮说了什么它不知道。Memory 模块解决这个问题把对话历史管理起来支持不同的记忆策略全量、摘要、窗口。记忆类型ConversationBufferMemory、SummaryMemory、WindowMemory 的区别记忆与 Chain 的集成方式持久化怎么把对话历史存到 Redis / 数据库多用户隔离怎么用 session_id 区分不同用户的对话⑤ Retrieval 检索——RAG 系统在 LangChain 里怎么搭文档加载、文本分割、向量存储、检索器——这是用 LangChain 搭 RAG 系统的核心链路。这部分和后面 RAG 系列有交叉这里侧重框架层面怎么用RAG 系列侧重技术原理和优化。文档加载PDF、网页、数据库等不同数据源怎么接入文本分割RecursiveCharacterTextSplitter 等分割策略向量存储FAISS、Chroma、Milvus 等向量数据库的集成检索器相似度检索、MMR 检索和自定义检索器⑥ Agent 智能体——让模型学会调用外部工具ReAct 模式是 LangChain Agent 的核心——模型先思考要做什么再调用工具执行看到结果后决定下一步。搞清楚 Agent、Tool 和 AgentExecutor 三者的关系是理解 LLM 工具调用的基础。Agent 类型ReAct、OpenAI Functions Agent 等不同实现工具开发怎么用tool装饰器定义自定义工具AgentExecutor执行循环、最大迭代次数和错误处理从 AgentExecutor 到 LangGraph 的演进方向这里给大家精心整理了一份全面的AI大模型学习资源包括AI大模型全套学习路线图从入门到实战、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等资料免费分享扫码免费领取全部内容1. 成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。2. 大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF3. 大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。4. 2026行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5. 大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。6. 大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。7. 资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容

更多文章