LangChain 实战教程-老孟讲编程

你将学会

掌握大模型提示词的结构化设计与模板复用
能独立完成文档加载切分到向量检索的链路
理解大模型调用外部工具的交互闭环
能用链式编排组合多步任务构建智能应用
建立大模型应用开发的整体知识框架

课程内容 9 篇

附录文章 0 篇

互动留言

1/9 LangChain 输入构建

围绕如何给大语言模型组织一份清晰可控的输入展开，说明为什么需要结构化地交代角色、任务目标和参考材料。文章把提示的构成拆成几个层次，并讲解如何用模板把固定文案与可变内容拼接起来，从而让每次请求既一致又便于复用。适合刚接触模型应用开发的读者，读完能建立规范的输入设计思路，减少输出跑偏。

2/9 LangChain 响应缓存

针对重复调用模型既花钱又慢的问题，介绍把相同请求的结果存起来、下次直接复用的思路。文章区分了精确匹配与语义相近匹配两种缓存策略，说明它们各自适合什么开发阶段和线上场景，以及命中率差异背后的原因。适合已经跑通应用、开始考虑成本和响应速度的读者，掌握后能在不牺牲效果的前提下明显省开销、降延迟。

3/9 LangChain 工具调用

说明怎样让大模型在需要时主动调用外部函数去查数据、做计算，而不是凭空编造答案。文章讲解了把普通函数连同它的参数说明一起包装成模型可理解的工具的做法，以及模型决定调用后如何把结果再交回对话继续生成。适合想扩展模型动手能力的开发者，读完能搭建出会查会算、能对接真实数据与业务系统的智能应用。

4/9 LangChain 文本向量

介绍如何把一段文字转换成机器可以比较相似度的数值表示，这是检索、聚类和推荐等任务的共同前提。文章演示接入多家主流向量服务的方式，并说明调用时需要注意的长度限制与配置细节，帮助读者顺利跑通第一条向量化请求。适合要做语义搜索或知识库召回的开发者，读完能把文本转成向量并顺利接入后续检索与召回流程。

5/9 LangChain 文档处理

围绕把非结构化素材喂给模型之前必须做的准备工作展开，讲清从各种来源读入原始文本、清洗杂质，再切分成合适大小片段的完整链路。文章解释每一步存在的意义，以及切分长度为何要兼顾上下文连贯与检索精度，并指出这是下游应用的共同地基。适合搭建知识库或检索增强应用的读者，读完能打好文档入库的基础。

6/9 LangChain 模型使用

讲解在大模型应用开发中如何用一套统一接口对接不同厂商的模型，免去每家都写一套调用代码的麻烦。文章演示如何通过同一套调用方式接入云端对话模型、本地部署模型以及文本嵌入模型，并处理密钥与端点配置。适合正在搭建 AI 应用、需要灵活切换或多家对比模型的开发者，读完能把模型层从业务代码中解耦，让后续替换和扩展变得轻松。