本书详细介绍了如何利用LangChain框架构建企业级大语言模型应用。内容涵盖LLM基础、LangChain入门、Prompt设计、Agent开发、LangServe部署及LangSmith调优等全流程。通过企业文档平台、旅游客服、AI编程助手等实战案例，读者将学习整合Agent、LangGraph等技术。书中还深入解析了LangSmith监控调优与LangServe部署（含阿里云案例），并拓展了AutoGen生态、DeepSeek模型及其与LangChain结合的开发实践。适合计算机、人工智能专业学生及对大语言模型应用感兴趣的研发工程师阅读。
《LangChain与企业级LLM服务:从设计到部署》
本书内容
《LangChain与企业级LLM服务:从设计到部署》系统讲解如何基于LangChain构建企业级大语言模型应用。以LangChain 0.2为核心，结合OpenAI与开源模型，涵盖Prompt设计、Agent开发、LangServe部署及LangSmith调优等全流程，深入解析LangChain技术生态。
《LangChain与企业级LLM服务:从设计到部署》共13章。第13章介绍LLM基础、LangChain入门及核心模块（如Prompt模板、LCEL等）；第47章通过企业文档平台、旅游客服、AI编程助手等案例，整合Agent、LangGraph等技术；第8章和第9章详解LangSmith监控调优与LangServe部署实战（含阿里云案例）；第10~13章拓展生态展望（如AutoGen）、剖析商业案例，并专题解析国产DeepSeek模型及其与LangChain结合的开发实践。
本书作者
唐文，网络工程专业，个人研究方向为AI大模型和机器学习。毕业后先后就职于聚美优品、边锋领沃等国内外上市公司，目前供职于美国Global Payment集团的子公司活跃网络的技术部，担任高级软件工程师、后端Tech Leader。对Python、Golang、LangChain、LLM技术有着深入研究和实战经验。
本书读者
《LangChain与企业级LLM服务:从设计到部署》适合高等院校计算机、人工智能等相关专业的学生阅读，以及对大语言模型应用、HuggingFace、LangChain技术感兴趣的研究人员和互联网研发工程师阅读参考。
本书目录
向上滑动阅览
目 录
第1章 拥抱大语言模型1
1.1 大语言模型简介1
1.1.1 大语言模型的定义2
1.1.2 大语言模型的发展和应用场景3
1.2 主流的大语言模型5
1.2.1 OpenAI的大语言模型5
1.2.2 Meta的Llama模型7
1.2.3 Claude大语言模型10
1.2.4 国内自研大语言模型：ChatGLM、MOSS和文心一言12
1.3 大语言模型的开发工具LangChain14
第2章 LangChain初体验15
2.1 LangChain介绍和安装15
2.1.1 什么是LangChain15
2.1.2 环境搭建16
2.1.3 LangChain的应用场景20
2.2 小试牛刀：开发一个AI文章生成工具21
2.2.1 初始化项目和配置21
2.2.2 编写标题生成服务23
2.2.3 编写文章生成服务28
2.2.4 多链合并30
2.3 LLM开发的工作原理和标准流程33
第3章 LangChain基础模块36
3.1 LangChain的核心概念36
3.2 输入和输出组件38
3.2.1 Prompt模板能力39
3.2.2 ChatModel模块46
3.2.3 自定义Chat Model49
3.2.4 LLM模块的选择50
3.2.5 输出解析器和自定义输出解析器58
3.3 LCEL61
3.3.1 管道操作62
3.3.2 绑定参数的使用64
3.3.3 invoke函数66
3.3.4 stream函数67
3.3.5 batch函数67
3.4 Memory模块68
3.5 基于输入的动态逻辑路由71
3.5.1 RunnableLambda72
3.5.2 RunnableBranch73
3.6 检索74
3.6.1 文档加载器74
3.6.2 文本分割器77
3.6.3 词嵌入模型79
3.6.4 向量数据库83
3.6.5 检索器96
3.6.6 索引100
第4章 企业文档智能平台实战103
4.1 智能文档的架构设计和功能规划103
4.2 文档加载和预处理105
4.3 Embedding过程108
4.4 vectorstore的选择110
4.5 问答式检索器：QARetriever113
4.6 自查询检索器：SelfQueryRetriever116
4.7 多向量检索器：MultiVectorRetriever120
4.8 多轮对话能力126
4.9 优化会话内存管理130
4.10 优化上下文和检索132
第5章 旅游业AI客服实战140
5.1 旅游服务的“痛点”140
5.2 AI客服架构设计141
5.3 Agent模块144
5.3.1 Agent的基本概念144
5.3.2 Agent的常用类型和实际使用场景147
5.3.3 Agent Tools的使用150
5.3.4 Agent和OpenAI整合153
5.4 接入第三方天气API156
5.5 第三方酒店预订API整合161
5.6 LangGraph的使用164
5.7 UI整合168
5.8 本章小结170
第6章 开发者AI Assistant实战171
6.1 开发者的开发流程和新需求171
6.1.1 瀑布流开发171
6.1.2 Scrum开发172
6.2 技术选型和架构设计172
6.2.1 插件开发初体验174
6.2.2 调试、编译和安装插件176
6.3 常用Git操作的封装177
6.3.1 自动生成注释178
6.3.2 提交信息智能生成181
6.3.3 智能rebase多次提交184
6.4 基于代码仓库的智能问答和检索188
6.4.1 加载文档188
6.4.2 切分代码块189
6.4.3 词嵌入和向量存储189
6.4.4 问答功能190
6.5 AI生成代码注释191
6.6 文档生成192
6.7 基于业务代码生成单元测试193
6.8 代码漏洞检测和性能优化195
第7章 AI代码审核实战197
7.1 代码审核的重要性197
7.2 AI如何进行代码审核和接入工作流199
7.3 架构设计和场景设计200
7.4 最佳实践预学习201
7.5 介入合并冲突207
7.6 客户端侧实现AI审核208
7.7 Webhook实现AI代码审核210
7.8 Pull Request驳回和通过的处理213
7.9 生成代码质量报告215
7.10 集成SonarQube218
第8章 LangSmith实战230
8.1 什么是LangSmith230
8.1.1 LangSmith的基本概念230
8.1.2 LangSmith的核心功能模块231
8.1.3 自定义追踪设置237
8.1.4 性能调优240
8.2 离线方式评估LLM应用性能242
8.3 CI交互式评估LLM应用性能246
8.4 线上方式评估LLM应用性能249
第9章 LangChain应用的部署实战251
9.1 Docker方式部署251
9.2 LangServe部署LLM应用254
9.3 LangChain CLI255
9.4 LangChain Templates的应用257
9.5 案例：LangChain-Chatchat部署LLM应用260
第10章 LangChain的生态和未来265
10.1 LangChain生态现状265
10.2 LangChain Hub266
10.3 其他LLM开发框架：AutoGen268
10.4 对LangChain的展望273
第11章 AI商业创新275
11.1 OpenAI的商业之路和创新275
11.2 案例分析：Devv.ai277
11.3 案例分析：MarsCode280
第12章 国产之光：DeepSeek模型283
12.1 后起之秀DeepSeek283
12.2 DeepSeek模型系列289
12.3 DeepSeek-R1模型289
12.4 DeepSeek本地部署290
12.4.1 Ollama方式部署292
12.4.2 UI方案一：Open WebUI293
12.4.3 UI方案二：ChatBox296
12.5 DeepSeek云上部署297
第13章 DeepSeek实战之编程助手300
13.1 AI辅助编程的重要性300
13.2 需求分析和技术架构设计301
13.3 预学习302
13.4 代码补全功能开发314
本书特色
本文摘自《LangChain与企业级LLM服务:从设计到部署》，获出版社和作者授权发布。
如何学习AI大模型 ？
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓
优快云粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
👉1.大模型入门学习思维导图👈
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。
对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）
👉4.大模型实战项目&项目源码👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）
为什么分享这些资料?
只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！
这些资料真的有用吗?
这份资料由我和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。
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。
优快云粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
