langchain大纲

langchain

提示词 | 大模型 | 结果

1.langchain提示词模板

    # 提示词字符串
    prompt_str="这是一个提示词模板，解释{text}的含义"
    # 模板调用
    prompt = PromptTemplate.from_template(prompt_str)
    result = client.invoke(prompt.format(text="langchain"))

2.langchain聊天模型提示词模板

    # 聊天提示词模板
    chat_template = ChatPromptTemplate.from_messages([
        SystemMessagePromptTemplate.from_template("将以下内容翻译为{lang}"),
        HumanMessagePromptTemplate.from_template("{text}")
    ])
    # 使用示例
    messages = chat_template.format_messages(lang="英文", text="你好，世界")
    result = client.invoke(messages)

    
3.输出解析器

4.debug调试

5.发布成应用程序，应用程序调用

6.增强提示词模板

（1）少样本提示词模板：通过示例来回答
（2）提示词模板部分格式化：需要先给某些参数赋值，然后给后续参数赋值

7.增强输出解析器

8.LCEL高级组件

（1）RunnableLambda:串行，将自己写的函数加入链，只支持一个参数的函数（键值对传参）
（2）RunableParallel:并行，
（3）RunablePassthrough:
    1）用户输入什么，就传递什么，
    2）通过assign对数据进行增强，在往后传
（4）ChatMessageHistory：存储历史消息
（5）RunableWithMessageHistory:聊天消息历史组件，连接到链

链的使用文档：https://python.langchain.com/api_reference/langchain/chains.html

9.langchain的输出

    stream
    invoke
    batch

特性        invoke        batch            stream
输入类型    单个输入        输入列表            单个输入
返回速度    一次性返回        全部处理完返回        实时逐块返回
内存占用    中等            较高                较低
用户体验    等待完成后显示    等待所有完成后显示    实时逐步显示

10.观察链以及组件的输入输出情况

11.langchain文档切分链

十一.

12.langchain对向量数据库的包装

（1）文档向量化
（2）

13.文档检索器：

将各种向量数据库进行整合，暴露同一个接口

langchain中的工具调用实战

1.function call

2.langchain中的sql链

12集环境变更

14.基于langchain的RAG系统优化实践

1.预检索优化

（1）摘要索引：快速检索上下文信息

    给每个块总结一个摘要

（2）父子索引：语义完整性

    将父文档分为多个子块文档，去子块文档里面检索，找到了子块，将相关的父块全部返回

（3）假设性问题：多样化表达

    让llm预先对块生成几个问题，将这些问题进行向量化存入向量数据库
    针对问题向量的索引进行查询，将文档块替换为问题向量

    
（4）元数据索引：快速筛选分类

    给文档块加标签，进行分类

    
2.查询优化

（1）enrich问题完善

    定义业务模板，识别用户意图（订票案例）

（2）多路召回

    对用户输入的问题进行补充，大模型几个问题

（3）问题分解

    将复杂的问题分为一个个小问题

（4）混合检索

    向量和文本都检索，然后融合

3.后检索优化

（1）重排序

    对结果再次排序一次

（2）RAG-fusion

    分数低的就不给大模型进行回答

15.低代码平台：

Dify和LangGraph
| 维度      | Dify             | LangGraph                      |
| -------  | ---------------- | -------------------------      |
| 状态管理    | 会话级短记忆           | 全局持久化 State，断点续跑   |
| 执行单元    | 预置 Skill 块       | 任意 Python 函数            |
| 流程控制    | 线性+简单分支          | 循环、回溯、并行、动态路由     |
| 多 Agent  | 串行工具调用           | 原生共享状态、角色分工          |
| 典型场景    | 问答/客服 Bot        | 自动纠错、多轮优化、复杂审批     |
| 部署方式    | 私有化/云服务，带 SSO 审计 | 本地 Python 包，自托管       |
| 生态扩展    | 插件市场、API Hook    | 所有 Python 库/LLM/Tool 即插即用 |