LangChain学习手册
LangChain学习手册
Mayo Oshin, Nuno Campos
黄璐宸, 陈超, 柴一平 译
出版时间:2026年06月
页数:303
“通过清晰的讲解和可落地的实用技巧,这本书是任何希望将LangChain的能力用于生产级生成式AI与智能体系统的首选资源。对于想要不断突破这一平台边界的开发者来说,这是一本必读之作。”
——Tom Taulli
IT咨询顾问,《AI-Assisted Programming》作者
“这本全面的指南涵盖了从文档检索与索引,到在生产环境中部署和监控AI智能体的方方面面。生动的示例、直观的插图,以及可上手的代码实践,让学习LangChain变得既有趣又高效!”
——Rajat K. Goel
IBM高级软件工程师

如果你希望构建可用于生产环境的AI应用,并且能够进行推理、以及从外部获取数据以实现上下文感知,那么你需要掌握LangChain——一个流行的开发框架和平台,用于构建、运行和管理智能体应用。许多领先企业都在使用LangChain,包括Zapier、Replit、Databricks等。本书是一本不可或缺的资源,特别适合已经掌握Python或JavaScript、但希望深入利用AI能力的初学开发者。
本书作者通过实用的见解和深入浅出的教程,系统性解析了LangChain的使用方式。本书从基础概念入手,逐步讲解如何构建一个能够利用你自有数据并且可用于生产环境的AI智能体。
● 利用检索增强生成(RAG)的强大能力,结合外部的最新数据,提升大语言模型(LLM)的准确性。
● 开发并部署能够与用户进行智能、上下文感知交互的AI应用。
● 使用LangGraph提供的强大智能体架构。
● 集成并管理第三方API与工具,扩展AI应用的功能边界。
● 对AI应用进行监控、测试与评估,持续优化性能表现。
● 理解LLM应用开发的基础原理,以及它们如何与LangChain结合使用。
  1. 前言
  2. 第1章 使用LangChain的LLM基础知识
  3. 1.1 LangChain环境设置指南
  4. 1.2 在LangChain中使用LLM
  5. 1.3 让LLM提示词可复用
  6. 1.4 从LLM获取特定格式的输出
  7. 1.4.1 JSON输出
  8. 1.4.2 其他机器可读格式与输出解析器
  9. 1.5 组装LLM应用的诸多组件
  10. 1.5.1 使用Runnable接口
  11. 1.5.2 命令式组合
  12. 1.5.3 声明式组合
  13. 1.6 总结
  14. 第2章 RAG第一部分:为你的数据建立索引
  15. 2.1 目标:为LLM选择相关上下文
  16. 2.2 嵌入:将文本转换为数字
  17. 2.2.1 LLM出现之前的嵌入
  18. 2.2.2 基于LLM的嵌入
  19. 2.2.3 语义嵌入详解
  20. 2.3 将文档转换为文本
  21. 2.4 将文本拆分为块
  22. 2.5 生成文本嵌入
  23. 2.6 在向量数据库中存储嵌入
  24. 2.6.1 PGVector环境设置
  25. 2.6.2 使用向量数据库
  26. 2.7 跟踪文档的变更
  27. 2.8 索引优化
  28. 2.8.1 MultiVectorRetriever
  29. 2.8.2 RAPTOR:用于树状检索的递归抽象处理
  30. 2.8.3 ColBERT:优化嵌入
  31. 2.9 总结
  32. 第3章 RAG第二部分:与你的数据对话
  33. 3.1 RAG简介
  34. 3.1.1 检索相关文档
  35. 3.1.2 使用相关文档生成LLM预测结果
  36. 3.2 查询转换
  37. 3.2.1 Rewrite-Retrieve-Read(重写–检索–阅读)
  38. 3.2.2 多查询检索
  39. 3.2.3 RAG-Fusion策略
  40. 3.2.4 假设文档嵌入(HyDE)
  41. 3.3 查询路由
  42. 3.3.1 逻辑路由
  43. 3.3.2 语义路由
  44. 3.4 查询构造
  45. 3.4.1 文本到元数据过滤器(Text-to-Metadata Filter)
  46. 3.4.2 文本到SQL
  47. 3.5 总结
  48. 第4章 使用LangGraph为你的聊天机器人添加记忆
  49. 4.1 构建聊天机器人的记忆系统
  50. 4.2 LangGraph简介
  51. 4.3 创建StateGraph
  52. 4.4 为StateGraph添加记忆
  53. 4.5 修改聊天记录
  54. 4.5.1 截断消息
  55. 4.5.2 过滤消息
  56. 4.5.3 合并连续消息
  57. 4.6 总结
  58. 第5章 使用LangGraph构建认知架构
  59. 5.1 架构#1:LLM调用
  60. 5.2 架构#2:链式架构
  61. 5.3 架构#3:路由器架构
  62. 5.4 总结
  63. 第6章 智能体架构
  64. 6.1 “计划–执行”循环
  65. 6.2 构建LangGraph智能体
  66. 6.3 总是先调用工具
  67. 6.4 处理多个工具
  68. 6.5 总结
  69. 第7章 智能体Ⅱ
  70. 7.1 反思
  71. 7.2 LangGraph中的子图
  72. 7.2.1 直接调用子图
  73. 7.2.2 使用函数调用子图
  74. 7.3 多智能体架构
  75. 7.4 总结
  76. 第8章 充分利用LLM的模式
  77. 8.1 结构化输出
  78. 8.1.1 中间输出
  79. 8.1.2 逐词元流式输出LLM的结果
  80. 8.1.3 人类参与模式
  81. 8.1.4 多任务LLM
  82. 8.2 总结
  83. 第9章 部署:将你的AI应用发布到生产环境
  84. 9.1 前置要求
  85. 9.1.1 安装依赖
  86. 9.1.2 大语言模型
  87. 9.1.3 向量存储
  88. 9.1.4 后端API
  89. 9.1.5 创建LangSmith账户
  90. 9.2 理解LangGraph平台API
  91. 9.2.1 数据模型
  92. 9.2.2 功能
  93. 9.3 在LangGraph平台上部署你的AI应用
  94. 9.3.1 创建LangGraph API配置
  95. 9.3.2 在本地测试你的LangGraph应用
  96. 9.3.3 从LangSmith UI部署
  97. 9.3.4 启动LangGraph Studio
  98. 9.4 安全性
  99. 9.5 总结
  100. 第10章 测试:评估、监控与持续改进
  101. 10.1 LLM应用开发周期中的测试技术
  102. 10.2 设计阶段:自我纠错式RAG
  103. 10.3 预生产阶段
  104. 10.3.1 创建数据集
  105. 10.3.2 定义评估标准
  106. 10.3.3 回归测试
  107. 10.3.4 评估智能体的端到端性能
  108. 10.4 生产阶段
  109. 10.4.1 追踪
  110. 10.4.2 在生产环境中收集反馈
  111. 10.4.3 分类和标记
  112. 10.4.4 监控与修复错误
  113. 10.5 总结
  114. 第11章 构建基于LLM的应用
  115. 11.1 交互式聊天机器人
  116. 11.2 与LLM协同编辑
  117. 11.3 环境计算
  118. 11.4 总结
  119. 作者介绍
  120. 封面介绍
书名:LangChain学习手册
作者:Mayo Oshin, Nuno Campos
译者:黄璐宸, 陈超, 柴一平 译
国内出版社:中国电力出版社
出版时间:2026年06月
页数:303
书号:978-7-5239-1234-8
原版书书名:Learning LangChain
原版书出版商:O'Reilly Media
Mayo Oshin
 
Mayo Oshin是一位科技创业者、AI顾问和天使投资人。他是LangChain开源库早期的开发贡献者和重要倡导者之一,也是广受欢迎的“与数据对话”AI活动的先驱。
 
 
Nuno Campos
 
Nuno Campos是LangChain的创始软件工程师之一。他拥有超过十年的Python和JavaScript软件工程经验,曾担任工程师、架构师,以及开源项目维护者。
 
 
本书封面上的动物是一只欧洲树蛙(学名:Hylaarborea)。
它们主要分布在欧洲大陆,通常生活在植被附近。它们的绿色皮肤可以根据多种因素从绿色调节为灰色或棕色,这种能力有助于它们在天敌面前伪装隐身。它们还依靠黏性的舌头(用于捕食昆虫等食物)以及脚上带黏性的吸盘(用于移动)来适应栖息环境中的生活。
在繁殖季节,欧洲树蛙会聚集在池塘附近,以便将卵产在靠近水边的位置,方便即将孵化的蝌蚪生存。雄性会发出非常响亮的求偶叫声,在大量蛙群聚集时尤其震耳欲聋。雌蛙一次可以产下800~1000颗成团的卵。在10~14天,蝌蚪从卵中孵化,生命的循环由此重新开始。
O’Reilly封面上的许多动物都属于濒危物种;但无论是否濒危,它们对世界都极为重要。
购买选项
定价:98.00元
书号:978-7-5239-1234-8
出版社:中国电力出版社