新版langchain1.x+RAG+多智能体协作从入门到实战

课程简介

这套资料的主题很明确：围绕 LangChain 1.x 的新接口重做一遍 RAG 与多智能体协作的工程实现。它不打算停留在概念科普，而是把「旧版怎么迁移到 1.x」「检索链路怎么落到 Chroma」「多个 Agent 如何分工与汇总」这三件事串成一条可以照着敲的线。对已经用过 LangChain 0.x、想搞清楚 1.x 到底改了什么、以及 RAG 之外还…

已有 14 人浏览发布 2026-08-05 更新 2026-09-29

技术栈的边界：LangChain 1.x 是主线，不是配菜

LangChain 1.x 相对 0.x 的最大变化在于抽象收敛：链式调用被更明确的 Runnable 体系取代，Agent 的构建方式也从早期的初始化参数堆叠转向更结构化的定义。这套资料从第 2 章开始就要求先搭环境、跑通第一个 Agent，目的就是让你在动 RAG 之前先建立对 1.x 运行时的直觉——消息如何流转、工具如何被绑定、回调在哪里插入。理解这一点之后，后面接检索和多智能体才不会变成「照抄一段能跑的代码，但不知道哪一层在起作用」。

如果你之前写过 0.x 的 Chain 和 AgentExecutor，这里最值得对照的是迁移前后的差异：哪些东西被弃用、哪些只是换了写法、哪些行为其实变了语义。这些点光看目录看不出来，必须自己跑一遍才能确认。

RAG 部分是完整的检索链路，不只是「接个向量库」

资料把 RAG 和 Chroma 放在一起讲，说明它想覆盖的是从文档切分、向量化、入库、检索到拼接进提示词的整条路径。对工程实践来说，真正容易出问题的往往不是调用相似度搜索，而是切分粒度、检索条数、检索结果如何与对话历史共存这几处。多轮对话里如果把检索内容直接塞进上下文，很容易挤掉历史或引入噪声，这部分需要在代码里反复调。

把 RAG 放在 LangChain 1.x 的框架下重做，另一个好处是检索可以自然地作为一个 Runnable 接进链里，与模型调用、输出解析组合成可复用的结构。这种组织方式比手写函数调用更利于后续扩展，也更容易在多智能体场景里被当成一个「能力」交给某个 Agent。

多智能体协作：重点在架构，不在堆数量

多智能体最容易走偏的地方是「为了多而多」。这套资料把协作架构单独作为一条线，说明它关注的是角色划分、任务拆解、结果汇总这几层结构，而不是简单起几个 Agent 互相传话。常见可落地的形态包括：一个负责规划或分派的主控 Agent，加上若干具备特定工具（检索、计算、代码执行）的执行 Agent，再由主控汇总输出。

工程上要盯住的是通信成本与状态一致性：Agent 之间的消息如果无限增长，很快就会超出上下文；任务分派如果没有明确的终止条件，容易陷入循环。这些坑在单 Agent 场景里不会暴露，只有真正跑起协作流程才会遇到，所以这部分必须动手改、动手跑。

自学路径：先跑通，再替换，再拆解

先用资料里的环境搭建步骤跑通最小 Agent，确认依赖与版本无误，别急着上 RAG。
然后把检索链路接进来，替换成自己的文档，观察检索质量随切分参数的变化。
接着引入第二个 Agent，明确它和主控之间传递什么、在什么条件下结束。
最后回到 LangChain 1.x 的抽象层，把你写出来的流程重构成可复用的 Runnable 或工具，而不是一次性脚本。

这样走下来，你得到的不是一段能演示的代码，而是一套能迁移到别的项目里的结构。资料本身提供的是顺序和参考实现，真正的收获来自你在替换数据、调整参数、拆解角色的过程中对每条链路的理解。