目录

• 1. LangChain框架基础知识培训总体介绍
• 2. 培训材料目录与简介
  • 2.1 基础入门 (010-Basic)
  • 2.2 提示工程 (020-Prompt)
  • 2.3 输出解析 (030-OutputParser)
  • 2.4 记忆管理 (040-Memory)
  • 2.5 LangChain表达式语言 (060-LangChain-Expression-Language)
  • 2.6 链式应用 (080-Chains)
• 3. LangChain框架基础知识培训总结
  • 3.1 核心技能掌握
  • 3.2 学习路径建议
  • 3.3 实践应用建议

1. LangChain框架基础知识培训总体介绍

LangChain是一个强大的开源框架，专为构建基于大语言模型(LLM)的应用程序而设计。本培训材料系列全面介绍了LangChain的核心概念、组件和实际应用，帮助开发者从入门到精通，掌握构建智能AI应用的技能。

本培训材料涵盖了LangChain的各个方面，从基础环境搭建到高级应用开发，包括提示工程、输出解析、记忆管理、表达式语言和链式应用等核心主题。每个模块都包含理论介绍、实践案例和代码示例，确保学习者能够深入理解并灵活应用这些知识。

通过本培训，您将学会如何：

• 搭建LangChain开发环境
• 设计和优化提示模板
• 解析和结构化模型输出
• 实现对话记忆功能
• 使用LangChain表达式语言构建复杂应用
• 开发文档摘要、数据分析等实际应用

2. 培训材料目录与简介

2.1 基础入门 (010-Basic)

001-Windows系统上安装LangChain环境指南

详细介绍在Windows环境下搭建LangChain开发环境的完整流程，包括Git、pyenv、Poetry、Visual Studio Code和Jupyter扩展的安装与配置，帮助开发者快速构建完整的开发环境。

002-Mac系统上安装LangChain环境指南

针对Mac用户提供的环境搭建指南，包含macOS系统特定的安装步骤和配置方法。

003-OpenAI API密钥生成指南

指导如何获取和配置OpenAI API密钥，这是使用LangChain进行模型交互的关键步骤。

004-LangSmith跟踪设置指南

介绍如何配置LangSmith跟踪功能，用于监控和调试LangChain应用的执行过程。

006-LangChain表达式语言(LCEL)案例分析

深入讲解LangChain表达式语言的基本概念和使用方法，展示如何通过LCEL将提示模板、模型和输出解析器组合成完整的处理链。

007-LCEL Interface案例分析

详细介绍LCEL的接口设计和使用模式，帮助理解如何构建可复用的组件。

008-Runnable案例分析

探讨LangChain中的Runnable组件，这是构建复杂应用流程的基础单元。

2.2 提示工程 (020-Prompt)

021-PromptTemplate完整案例

全面介绍如何使用LangChain创建和利用提示词模板，以生成动态和灵活的提示词，满足各种应用场景。

022-FewShotPromptTemplate案例

讲解如何使用少量示例提示模板，通过提供示例来改善模型输出的质量和一致性。

023-LangChain Hub使用指南

介绍LangChain Hub平台，这是一个用于存储和共享提示模板的中央仓库，便于团队协作和提示管理。

024-个人提示模板集合

提供专业领域的LangChain提示模板集合，涵盖从基础提示到高级应用的各种场景，这些提示模板经过精心设计，可帮助用户在不同专业领域生成高质量、结构化的输出。

025-提示缓存技术

介绍如何实现提示缓存，以提高应用性能并减少API调用成本。

2.3 输出解析 (030-OutputParser)

031-PydanticOutputParser案例

详细讲解如何使用PydanticOutputParser将语言模型的输出转换为结构化信息，使输出更易于处理和利用。

032-CommaSeparatedListOutputParser案例

介绍如何使用逗号分隔列表输出解析器，将模型输出解析为列表格式。

033-StructuredOutputParser案例

讲解结构化输出解析器的使用，帮助将非结构化文本转换为预定义的结构化数据。

034-JsonOutputParser案例

专门介绍JSON输出解析器，用于将模型输出解析为JSON格式。

035-PandasDataFrameOutputParser分析

讲解如何将模型输出解析为Pandas DataFrame，便于进行数据分析和处理。

036-DatetimeOutputParser分析

专门处理日期时间格式的输出解析，确保时间数据的准确性和一致性。

037-EnumOutputParser分析

介绍如何将模型输出限制为预定义的枚举值，提高输出的可控性。

038-OutputFixingParser分析

讲解如何使用输出修复解析器处理格式错误的输出，提高应用的鲁棒性。

2.4 记忆管理 (040-Memory)

041-ConversationBufferMemory功能案例

详细介绍如何使用ConversationBufferMemory在缓冲区中存储对话历史，实现基本的对话记忆功能。

042-ConversationBufferWindowMemory案例

讲解如何使用窗口缓冲记忆，只保留最近的对话内容，有效控制记忆大小。

043-ConversationTokenBufferMemory案例

介绍基于token数量的缓冲记忆，根据token限制自动管理对话历史。

044-ConversationEntityMemory案例

讲解如何提取和记忆对话中的实体信息，构建更丰富的上下文理解。

045-ConversationKGMemory案例

介绍知识图谱记忆，将对话信息构建为知识图谱，实现更高级的记忆和推理能力。

046-ConversationSummaryMemory案例

讲解如何通过摘要方式记忆长对话，保留关键信息同时控制记忆大小。

047-VectorStoreRetrieverMemory案例

介绍基于向量存储的检索记忆，通过语义相似度检索相关历史信息。

048-LCEL添加记忆功能

展示如何使用LangChain表达式语言为链添加记忆功能，实现更灵活的记忆管理。

049-使用SQLite的记忆系统

讲解如何使用SQLite数据库持久化存储对话记忆，实现跨会话的记忆保持。

050-带历史记录的对话

综合案例，展示如何构建完整的带历史记录的对话系统。

2.5 LangChain表达式语言 (060-LangChain-Expression-Language)

061-RunnablePassthrough功能案例

详细介绍RunnablePassthrough组件，该组件允许数据在管道中无修改地传递，是构建复杂AI应用流程的重要工具。

062-检查Runnables

讲解如何检查和调试Runnable组件，帮助开发者理解和优化链式流程。

063-RunnableLambda案例

介绍如何使用RunnableLambda执行自定义函数，扩展链式处理的能力。

064-路由技术

讲解如何实现条件路由，根据输入内容动态选择不同的处理路径。

065-RunnableParallel案例

介绍如何并行执行多个处理流程，并合并结果，提高处理效率。

066-配置运行时链组件

讲解如何在运行时动态配置链组件，实现更灵活的应用架构。

067-链装饰器

介绍如何使用装饰器模式增强链的功能，实现横切关注点的处理。

068-RunnableWithMessageHistory案例

讲解如何为Runnable添加消息历史功能，实现有状态的链式处理。

069-生成器应用

介绍如何在LCEL中使用生成器模式，实现流式处理和惰性求值。

070-绑定技术

讲解如何绑定参数和配置，创建可重用的链组件。

071-回退机制

介绍如何实现回退机制，提高应用的可靠性和容错能力。

072-RunnableRetry案例

讲解如何实现重试机制，处理临时性错误和网络问题。

073-使用监听器

介绍如何添加监听器，监控和记录链的执行过程。

074-流式处理Runnables

讲解如何实现流式处理，实时输出部分结果，改善用户体验。

2.6 链式应用 (080-Chains)

081-文档摘要技术

全面介绍使用LangChain实现文档摘要的多种技术方法，包括Stuff、Map-Reduce、Map-Refine和Chain of Density等技术，并提供了完整的代码实现和效果展示。

082-SQL查询链

讲解如何构建自然语言到SQL的转换链，实现通过自然语言查询数据库的功能。

083-结构化输出链

介绍如何构建生成结构化输出的链，确保模型输出符合预定义的格式要求。

084-结构化数据聊天

综合案例，展示如何构建能够理解和讨论结构化数据的聊天系统。

3. LangChain框架基础知识培训总结

LangChain框架基础知识培训材料全面覆盖了构建AI应用所需的核心概念和技术。通过系统学习这些材料，开发者可以掌握从基础环境搭建到高级应用开发的完整技能链。

3.1 核心技能掌握

1. 环境搭建与配置：掌握在不同操作系统上搭建LangChain开发环境的技能，包括必要工具的安装和配置。
2. 提示工程：学会设计和优化提示模板，使用少量示例提高输出质量，并通过LangChain Hub管理和共享提示。
3. 输出解析：掌握多种输出解析技术，将非结构化模型输出转换为结构化数据，满足不同应用场景的需求。
4. 记忆管理：理解并实现各种记忆机制，从简单的缓冲记忆到复杂的知识图谱记忆，为应用添加上下文感知能力。
5. 表达式语言：熟练使用LangChain表达式语言构建复杂的应用流程，实现并行处理、条件路由和错误处理等高级功能。
6. 链式应用：学会构建各种实用的链式应用，包括文档摘要、数据查询和结构化输出等，解决实际业务问题。

3.2 学习路径建议

对于初学者，建议按照以下顺序学习：

1. 首先完成基础入门部分，搭建开发环境并理解LangChain的基本概念
2. 学习提示工程，掌握与模型交互的基本技巧
3. 深入输出解析，学会处理和结构化模型输出
4. 探索记忆管理，为应用添加上下文感知能力
5. 掌握表达式语言，学习构建复杂的应用流程
6. 最后通过链式应用案例，综合运用所学知识解决实际问题

3.3 实践应用建议

1. 动手实践：每个模块都包含丰富的代码示例，建议读者亲自运行和修改这些代码，加深理解。
2. 项目导向：尝试将所学知识应用到实际项目中，从简单的对话机器人到复杂的数据分析系统。
3. 社区参与：积极参与LangChain社区，分享经验，获取最新资讯和最佳实践。
4. 持续学习：AI领域发展迅速，保持对新技术和新功能的关注，不断更新知识体系。

通过系统学习本培训材料，您将具备使用LangChain构建各种AI应用的能力，为在AI时代的发展奠定坚实基础。无论是个人项目还是企业应用，LangChain都将成为您强大的工具和助手。