LangChain 深度学习指南

LangChain 学习路线

LangChain是构建LLM应用最流行的框架，本文提供完整学习资料。

官方资源

1. 官方文档

• LangChain Python 文档
• LangChain JS 文档
• 快速入门
• 官方教程

2. LangSmith

• LangSmith 文档 - 调试与监控平台
• 追踪LLM调用
• 评估与测试

核心概念

1. 基础组件

# LLMs
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o")

# Prompts
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a helpful assistant"),
    ("user", "{input}")
])

# Chains
chain = prompt | llm
response = chain.invoke({"input": "Hello"})

2. RAG 检索增强

from langchain_community.document_loaders import TextLoader
from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import FAISS

# 加载文档
loader = TextLoader("data.txt")
docs = loader.load()

# 向量化存储
embeddings = OpenAIEmbeddings()
vectorstore = FAISS.from_documents(docs, embeddings)

# 检索
retriever = vectorstore.as_retriever()
results = retriever.invoke("query")

3. Agents 代理

from langchain.agents import create_react_agent, Tool

tools = [
    Tool(name="Search", func=search_fn, description="搜索工具"),
    Tool(name="Calculator", func=calc_fn, description="计算器")
]

agent = create_react_agent(llm, tools, prompt)

进阶学习

LangGraph

• LangGraph 文档
• 构建有状态的多代理系统
• 循环和条件逻辑

LangServe

• LangServe 文档
• 快速部署LangChain应用

实战项目

• LangChain Cookbook
• 聊天机器人
• 文档问答系统
• SQL对话代理

社区资源

• GitHub
• Discord
• Twitter