1.LangChain概述

❝

LangChain是 2022年10月 ，由哈佛大学的 Harrison Chase （哈里森·蔡斯）发起研发的一个开源框架，用于开发由大语言模型（LLMs）驱动的应用程序。

比如，搭建“智能体”（Agent）、问答系统（QA）、对话机器人、文档搜索系统、企业私有知识库等。

‍

常用的LLM开发框架

‍

开发语言	开发框架	stars数量	推荐指数
Python	LangChain	112k	⭐⭐⭐⭐⭐
Python	LlamaIndex	43.3k	⭐⭐⭐⭐
Java	LangChain4J	8.5k	⭐⭐⭐
Java	SpringAl	6.2k	⭐⭐
Java	SpringAl Alibaba	5.0k	⭐⭐
C#	SemanticKernel	25.5k	⭐⭐⭐

‍

• LangChain：这些工具里出现最早、最成熟的，适合复杂任务分解和单智能体应用LlamaIndex ：专注于高效的索引和检索，适合 RAG 场景。（注意不是Meta开发的）
• LangChain4J：LangChain还出了Java、JavaScript（LangChain.js）两个语言的版本，
• LangChain4j的功能略少于LangChain，但是主要的核心功能都是有的
• SpringAI/SpringAI Alibaba ：有待进一步成熟，此外只是简单的对于一些接口进行了封装
• SemanticKernel ：也称为sk，微软推出的，对于C#同学来说，那就是5颗星

‍

基于RAG架构开发（Retrieval-Augmented Generation）

---

‍

• RAG：全称Retrieval-Augmented Generation（检索增强生成）
• 作用：为大模型提供“知识库”，通过处理将数据存储到向量存储中，大模型根据用户输入，在向量存储中匹配需要的数据，并根据数据进行回答

‍

RAG架构图

‍

image

类似结构图：

‍

PixPin_2025-11-28_09-14-06

基于Agent架构开发

‍

对比RAG，Agent更加依赖LLM的推理决策能力，通过增加规划、记忆和工具调用的能力，构造一个能够独立思考、逐步完成给定目标的智能体。

❝

举例

目前市面上比较火的AI编辑插件：cline本质上也是一个Agent

• cline 是一款 Visual Studio Code 的开源 AI 编程辅助插件。

• 它能够利用模型、工具和指令这三个构建模块自主生成代码，还可在获得用户许可后创建和编辑文件、运行命令、使用浏览器等，独立完成复杂的软件开发任务，符合智能体的定义。

‍

Agent架构图

‍

image

‍

一个个数学公式来表示：

‍

❝

Tips

Agent和RAG不是冲突的，两个架构往往可以结合使用，实现1+1＞2的效果

‍

大模型应用开发的4个场景

‍

场景1：纯Prompt

‍

• Prompt是操作大模型的唯一接口
• 当人看：你说一句，ta回一句，你再说一句，ta再回一句…

‍

image

‍

场景2：Agent + Function Calling

‍

• Agent：AI 主动提要求
• Function Calling：需要对接外部系统时，AI 要求执行某个函数
• 当人看：你问 ta「我明天去杭州出差，要带伞吗？」，ta 让你先看天气预报，你看了告诉ta，ta再告诉你要不要带伞

‍

image

‍

场景3：RAG (Retrieval-Augmented Generation）

‍

RAG：需要补充领域知识时使用

• Embeddings：把文字转换为更易于相似度计算的编码。这种编码叫向量
• 向量数据库：把向量存起来，方便查找
• 向量搜索：根据输入向量，找到最相似的向量

举例：考试答题时，到书上找相关内容，再结合题目组成答案

‍

image

RAG在智能客服中用的最广泛。

‍

场景4：Fine-tuning(精调/微调)

‍

举例：努力学习考试内容，长期记住，活学活用。

‍

image

特点：成本最高；在前面的方式解决不了问题的情况下，再使用。

‍

如何选择

‍

image

核心组件

---

‍

• Model I/O模块：使用最多，也最简单
• Chains 模块： 最重要的模块
• Retrieval模块、Agents模块：大模型的主要落地场景
• 在这个基础上，其它组件要么是它们的辅助，要么只是完成常规应用程序的任务。
• 辅助：⽐如，向量数据库的分块和嵌⼊，⽤于追踪、观测的Callbacks任务：⽐如，Tools，Memory

‍

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！