LangChain 学习必备，从入门到实践的全新版指南！-优快云博客

本文链接：https://blog.youkuaiyun.com/HJS123456780/article/details/149757466

自 2022 年 ChatGPT 发布以来，生成式 AI 迅速成为全球焦点。从 GPT-3.5 到如今的 GPT-4o 模型，OpenAI 不断刷新人们对人工智能的认知边界。AI 也逐步具备了听、说、看的多模态能力，开始向真正的智能助手演进。

AI 技术也由此进入竞速阶段。2023 年 DeepSeek 凭借开源模型 DeepSeek-R1 引发关注，在多个评测维度上已接近 GPT-3.5 的表现，并通过工程优化显著降低训练成本，在算力效率与落地潜力方面展现出强劲竞争力。

如今，AI 应用开发已不再是巨头专属，而是属于每一位具备技术能力的开发者。在众多开发框架中，LangChain 正成为通向这一新世界的重要桥梁。

LangChain框架的爆火

LangChain 作为开源项目首次进入公众视野是在 2022 年 10 月，这个项目很快在 GitHub 上获得大量关注，进而转变成一家迅速崛起的初创企业，LangChain 的作者 Harrison Chase 也自然成为这家初创企业的 CEO。

LangChain在GitHub上的star数变化趋势（数据截至2024 年10月）

尽管 LangChain 在早期没有产生收入，也没有明确的商业化计划，却在短时间内获得了 1000 万美元的种子轮融资，紧接着又获得 2000 万-2500 万美元的 A 轮融资，估值约为 2 亿美元。巨额的资本投入反映了投资者对 LangChain 未来潜力的坚定信念，以及对 LangChain 作为 AI 技术发展关键设施的共识。

LangChain 作为一种大模型应用开发框架，有效地解决了当前 AI 应用开发中的多个痛点。以流行的 OpenAI GPT 系列模型为例，其使用过程中通常面临以下挑战。

数据时效性：当前主流 GPT 模型的数据更新往往滞后几个月，限制了其时效性和适用范围。
token 数量限制：例如，使用 GPT-4 尝试总结一份 200 页的 PDF 文件时，由于 token 数量限制，其功能可能会受阻。
网络连接限制：GPT-4 无法联网，因此不能获取最新的信息。
数据源整合限制：GPT-4 不能直接与其他数据源进行链接，这限制了它的多样性和灵活性。

一方面，LangChain 框架旨在将大模型、提示词管理、外部知识库、第三方工具和向量数据库集成到一起，以便用户能够灵活地构建定制化的大模型应用。

这种集成方式为开发者提供了前所未有的创新自由，允许他们利用大模型的强大能力解决各种复杂问题，加速大模型应用的落地。

另一方面，LangChain 作为胶水层的框架，极大地提高了开发者的编码效率。LangChain 让开发者能够将更多精力集中于推动产品创新和功能的持续迭代，减少了基础架构搭建的烦琐工作。这样一来，开发者就可以将宝贵的时间和资源用于打磨产品，优化用户体验。

LangChain全新版指南

经过两年多的发展，LangChain已经演变为一个非常庞大和复杂的代码库。从头开始阅读和分析 LangChain 的源码，对于新手来说已经不太现实，并且大模型领域的概念日新月异，容易抓不住重点。

为了帮助更多读者高效掌握 LangChain，理解大模型应用开发的核心路径，《LangChain编程：从入门到实践（第2版）》应运而生。

随着 LangChain 社区的持续演进，我们推出了本书的第 2 版，旨在帮助大家紧跟最新的开发范式与技术变动。

第 1 版曾广受读者好评，第 2 版在延续原有简洁、易懂的讲解风格基础上，进行了系统性的内容升级：

新增了对 LangGraph 库的详细讲解，该库专门用于构建代理工作流应用。
移除了Chain组件的相关内容，包括StuffDocumentsChain和 ConversationalRetrievalChain 等接口的介绍。
迁移了 ConversationBufferMemory 和 ConversationStringBufferMemory等传统记忆组件的使用方法。
将 LangChain 核心代码从langchain_core.pydantic_v1迁移到 pydantic_v2。
使用 langchain-core、langchain-[partner] 和 langchain-community 等 SDK 替代原有的 langchain 包，并将所有链的调用方式改写为 LCEL。
全面支持 LangChain 0.3 及以上版本的代码示例和说明。
代码示例由 OpenAI 大模型替换为国内的通义千问大模型和 DeepSeek 大模型。

这一系列的更新，帮助读者有效地规避版本差异带来的学习障碍，从基础到实践全面掌握 LangChain 编程路径，内容涵盖核心理论、开发范式、常见场景和实战案例。

无论你是零基础读者，还是有一定经验的工程师，都能从本书中找到适合自己的学习节奏。

可以说，想学 LangChain，看这一本就够了！

《LangChain编程：从入门到实践（第2版）》

李多多（@莫尔索） | 著

（新书上市，为大家申请了福利价格，只要 34.9 元👆）

本书以简洁而实用的方式引导读者入门大模型应用开发，涵盖 LangChain 的核心概念、原理和高级特性，通过实例细致解读了 LangChain 框架的核心模块和源码，并结合 DeepSeek 等，为读者提供了在实际项目中应用 LangChain 的逐步指导。这一版在第 1 版的基础上进行了全面更新，并新增了对 LangGraph 库的详细讲解等内容。

作者简介

李多多（@莫尔索）企业 AI 项目研发负责人，多家企业 AI 技术顾问，专注于 AI 工程化落地与企业级解决方案。在大模型应用开发领域经验丰富，擅长大模型应用工程化、RAG 系统构建及 AI Agent 开发。著有《从零开始构建企业级RAG系统》，并开源电子书《LLM应用开发实践》

内容简介

全书共 10 章内容，基于 LangChain 0.3，涵盖 LangGraph 库。并深入解析 LangChain 六大组件：模型输入/输出、检索、链、记忆、代理与回调，系统掌握核心能力。

另外作者还提供了实战大案例，从 0 到 1 构建多模态智能机器人，理论结合实践，带你轻松开启大模型应用之旅。还随书附赠详尽示例代码，快速上手，助你轻松驾驭大模型技术。

掌握核心能力。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

在这里插入图片描述

好在，学习AI 的门槛不高，给大家推荐一个非常优质的 AI 大模型资料，由我和mopass鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。入口直接给放下面了，扫描下方二维码即可领取↓

在这里插入图片描述