《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1~3章介绍LLM基础、LangChain入门及核心模块（如Prompt模板、LCEL等）；第4~7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

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。

LangChain与企业级LLM服务:从设计到部署——jdhttps://item.jd.com/14512449.html