LangChain从入门到实战（2026版）

《尚硅谷LangChain从入门到实战（2026版）》 是一套面向人工智能应用开发者打造的实战课程，主要围绕 LangChain 框架展开，系统讲解如何基于大语言模型（LLM）快速开发智能问答、知识库、AI Agent、工作流自动化等应用。课程以“理论讲解+项目实战”为核心，帮助学员从 LangChain 基础概念入门，逐步掌握提示词编排、模型调用、工具集成、记忆管理、知识检索以及智能体开发等关键技术，适合具备 Python 基础并希望进入 AI 应用开发领域的开发者学习。

课程首先介绍大语言模型的发展背景、LangChain 的设计理念及核心架构，并结合 OpenAI、DeepSeek、Qwen、GLM 等主流模型接口，讲解模型接入、Prompt 模板设计、输出解析以及链式调用（Chain）的实现方式。通过大量示例，帮助学员理解 LangChain 在 AI 应用开发中的作用，并掌握利用统一框架快速构建智能应用的方法。

在核心内容方面，课程深入讲解 PromptTemplate、Runnable、LCEL（LangChain Expression Language）、Memory、Output Parser、Tool、Retriever、Vector Store、Embedding、Agent、RAG（检索增强生成）等重要模块，帮助学员掌握知识库构建、文档加载、文本切分、向量化存储、相似度检索、多轮对话管理以及工具调用等关键能力。同时结合 FAISS、Chroma、Milvus 等向量数据库，以及 Elasticsearch 等检索技术，实现企业级知识问答系统的开发。

课程还结合多个完整项目进行实战，包括企业知识库问答系统、智能客服、文档分析助手、AI 办公助手、联网搜索 Agent、多工具协同智能体以及自动化工作流等典型案例。通过这些项目，学员能够学习如何完成需求分析、系统设计、模型选择、接口开发、前后端联调、性能优化及部署上线等完整开发流程，进一步提升 AI 应用开发能力。

此外，课程结合 LangChain 新版本的发展方向，对框架的新特性、模块化设计以及与 LangGraph、MCP（Model Context Protocol）等相关生态的协同应用进行了介绍，使学员能够了解当前 AI Agent 与工作流开发的发展趋势。同时还涵盖模型调用成本控制、缓存机制、异常处理、安全防护、日志监控及性能优化等企业级实践内容，帮助开发者构建更加稳定、高效的智能应用系统。

总体而言，《尚硅谷LangChain从入门到实战（2026版）》是一套注重实战与工程能力培养的 AI 开发课程。通过系统学习，读者不仅能够熟练掌握 LangChain 框架及其核心组件，还能够独立开发基于大语言模型的知识库、智能问答、AI Agent 和企业级智能应用，为从事 AI 应用开发、智能体开发及生成式人工智能项目实践奠定扎实的技术基础。

课程目录：

——/尚硅谷LangChain从入门到实战（2026版）/
├──20260627001-课程介绍.mp4  64.06M
├──20260627002-为什么需要LangChain.mp4  113.36M
├──20260627003-大模型相关岗位介绍.mp4  48.04M
├──20260627004-LangChain是什么.mp4  126.80M
├──20260627005-LangChain的主要模块和API文档.mp4  74.58M
├──20260627006-LangChain家族四大支柱.mp4  79.56M
├──20260627007-Conda的安装及虚拟环境的配置.mp4  142.82M
├──20260627008-大模型应用场景1：Agent开发.mp4  87.67M
├──20260627009-大模型的应用场景2：Agent开发.mp4  51.57M
├──20260627010-大模型开发的4个递进场景.mp4  39.95M
├──20260627011-模型调用前的准备工作.mp4  82.48M
├──20260627012-调用DeepSeek官网的DeepSeek模型.mp4  143.23M
├──20260627013-调用智谱和阿里云百炼平台的大模型.mp4  106.92M
├──20260627014-ChatOpenAI兼容用法.mp4  105.67M
├──20260627015-使用OpenRouter和CloseAI中转平台调用模型.mp4  182.55M
├──20260627016-LangChain1.x中init_chat_model方式.mp4  209.18M
├──20260627017-模型初始化常用的参数.mp4  116.44M
├──20260627018-Ollama的安装与本地模型的调用.mp4  124.13M
├──20260627019-测试invoke传递三种不同的参数类型.mp4  202.02M
├──20260627020-invoke的返回值的详细说明.mp4  119.74M
├──20260627021-流式调用、批量调用与异步调用.mp4  215.92M
├──20260627022-profile属性_初始化model_kwargs与extra_body参数_调用的config参数.mp4  321.83M
├──20260627023-LangSmith的介绍与基本使用.mp4  80.41M
├──20260627024-LangSmith的主要功能介绍.mp4  19.94M
├──20260627025-认识消息与消息的两种格式.mp4  102.43M
├──20260627026-4种消息对象中字段的说明.mp4  156.71M
├──20260627027-对话历史的管理和优化.mp4  99.23M
├──20260627028-案例：多轮对话聊天机器人.mp4  102.24M
├──20260627029-content和content_blocks的使用.mp4  148.88M
├──20260627030-ChatPromptTemplate的两种实例化方式和三种调用方式.mp4  212.26M
├──20260627031-ChatPromptTemplate初始化的6种参数类型.mp4  136.09M
├──20260627032-部分变量预填充_消息占位符等的使用.mp4  171.51M
├──20260627033-工具的调用方式与整体执行流程分析.mp4  174.72M
├──20260627034-不使用@tool方式定义工具.mp4  201.92M
├──20260627035-使用@tool装饰器定义工具：description和name.mp4  112.82M
├──20260627036-使用@tool装饰器定义工具：args_schema.mp4  116.64M
├──20260627037-案例1和2：使用args_schema和docstring.mp4  202.44M
├──20260627038-案例3和4：多工具的调用.mp4  131.23M
├──20260627039-tool_choice参数的使用.mp4  117.67M
├──20260627040-工具使用的实践经验总结.mp4  44.01M
├──20260627041-结构化输出的理解.mp4  37.30M
├──20260627042-Pydantic的基本使用.mp4  76.66M
├──20260627043-Pydantic高级特性：可选字段、默认值、枚举类型.mp4  140.28M
├──20260627044-Pydantic高级特性：列表提取、嵌套、限制条件.mp4  185.63M
├──20260627045-Pydantic模式的工作流程图解.mp4  20.60M
├──20260627046-TypedDict格式的使用.mp4  134.33M
├──20260627047-JSON Schema格式的使用.mp4  69.20M
├──20260627048-@dataclass格式的使用.mp4  18.77M
├──20260627049-四种不同模式的类型校验情况.mp4  99.47M
├──20260627050-两种获取结构化结果的方式.mp4  125.20M
├──20260627051-Agent的概述.mp4  61.62M
├──20260627052-Agent实例化中模型的两种传入方式.mp4  63.88M
├──20260627053-Agent通过invoke()方式调用.mp4  58.08M
├──20260627054-Agent绑定工具并调用.mp4  213.17M
├──20260627055-工具调用流程分析_常见问题分析.mp4  118.82M
├──20260627056-设置agent的name和system_prompt.mp4  160.38M
├──20260627057-agent结构化输出的4种策略.mp4  183.14M
├──20260627058-ToolStrategy的schema设置结构化输出-Pydantic类型.mp4  223.91M
├──20260627059-ToolStrategy的schema设置结构化输出-其它几种方式.mp4  246.58M
├──20260627060-ToolStrategy的tool_message_content参数使用.mp4  63.86M
├──20260627061-Agent的高级用法：错误处理机制.mp4  341.06M
├──20260627062-设置Agent的流式输出策略.mp4  346.90M
├──20260627063-Agent的实战：多功能智能助手.mp4  171.87M
├──20260627064-为什么需要中间件_中间件的分类.mp4  132.41M
├──20260627065-SummarizationMiddleware中间件的使用.mp4  191.44M
├──20260627066-HumanInTheLoopMiddleware中间件的使用.mp4  269.30M
├──20260627067-PIIMiddleware中间件的使用.mp4  138.38M
├──20260627068-TodoListMiddleware中间件的使用.mp4  211.33M
├──20260627069-ModelCallLimitMiddleware中间件的使用.mp4  121.05M
├──20260627070-ToolCallLimitMiddleware中间件的使用.mp4  76.45M
├──20260627071-ModelFallbackMiddleware中间件的使用.mp4  18.49M
├──20260627072-LLMToolSelectorMiddleware中间件的使用.mp4  57.35M
├──20260627073-ToolRetryMiddleware中间件的使用.mp4  119.87M
├──20260627074-ModelRetryMiddleware中间件的使用.mp4  20.73M
├──20260627075-LLMToolEmulator中间件的使用.mp4  13.67M
├──20260627076-ContextEditingMiddleware中间件的使用.mp4  65.76M
├──20260627077-FilesystemFileSearchMiddleware中间件的使用.mp4  25.04M
├──20260627078-多个中间件组合及执行顺序.mp4  34.49M
├──20260627079-Hook函数的理解.mp4  54.18M
├──20260627080-基于装饰器定义Node-style的钩子函数.mp4  64.28M
├──20260627081-基于类定义Node-style的钩子函数.mp4  79.72M
├──20260627082-装饰器参数can_jump_to的使用.mp4  206.86M
├──20260627083-wrap_model_call的实现和使用场景.mp4  121.40M
├──20260627084-wrap_tool_call的实现和使用场景.mp4  118.07M
├──20260627085-装饰器和类方式的选择_hook函数执行顺序.mp4  99.89M
├──20260627086-记忆的概念和记忆的分类.mp4  150.46M
├──20260627087-短期记忆之基于内存的持久化器的实现.mp4  160.67M
├──20260627088-基于内存存储的工作原理和常见问题.mp4  53.58M
├──20260627089-腾讯云部署Linux服务器.mp4  65.13M
├──20260627090-PostgreSQL数据库的安装.mp4  58.54M
├──20260627091-远程服务器连接额外操作.mp4  66.12M
├──20260627092-短期记忆之PostgreSQL实现持久化存储.mp4  66.66M
├──20260627093-对比两种方式的不同.mp4  86.39M
├──20260627094-消息裁剪的治理策略.mp4  137.79M
├──20260627095-消息删除、摘要的治理策略.mp4  203.52M
├──20260627096-长期记忆的介绍和存储架构.mp4  61.20M
├──20260627097-put()和get()操作的演示.mp4  106.99M
├──20260627098-search()操作的演示.mp4  154.46M
├──20260627099-在工具中访问长期记忆（基于InMemoryStore）.mp4  130.94M
├──20260627100-在工具中访问长期记忆（基于PostgresStore）.mp4  47.92M
├──20260627101-在中间件中访问长期记忆.mp4  45.43M
├──20260627102-RAG模块的必要性.mp4  81.17M
├──20260627103-RAG工作流程和环境准备.mp4  83.13M
├──20260627104-TextLoader和CSVLoader的使用.mp4  67.38M
├──20260627105-JSONLoader加载JSON文件.mp4  104.04M
├──20260627106-PyPDFLoader和MinerU加载pdf文件.mp4  81.60M
├──20260627107-其它格式文件的加载器.mp4  65.09M
├──20260627108-切分策略及TextSplitter中的三个核心方法.mp4  112.82M
├──20260627109-CharacterTextSplitter的使用.mp4  76.66M
├──20260627110-RecursiveCharacterTextSplitter的使用.mp4  136.86M
├──20260627111-其它多种TextSplitter的使用演示.mp4  124.78M
├──20260627112-嵌入模型的初始化及文档向量化举例.mp4  134.80M
├──20260627113-向量数据库介绍_docker的安装和设置.mp4  78.52M
├──20260627114-Milvus的安装和数据模型说明.mp4  53.81M
├──20260627115-Milvus数据库的DDL操作.mp4  85.89M
├──20260627116-Milvus数据库的DML和DQL操作.mp4  183.42M
├──20260627117-项目Assistant客服知识库之全局配置_初始化Milvus.mp4  83.73M
├──20260627118-项目Assistant客服知识库之文档切分_向量化并写入Milvus.mp4  170.73M
├──20260627119-项目Assistant客服知识库之初始化Agent_检索函数.mp4  45.81M
├──20260627120-项目Assistant客服知识库之生产与回答生成.mp4  132.15M
└──20260627资料.zip  1.34G