课程简介
这份资料的主题很明确:用 LangChain 把大模型能力接进真实工程,而不是停留在调用一次 API 的演示层面。它适合已经会写 Python、但对大模型应用工程化还缺少整体结构认知的开发者。整份资料以视频为主线,配套少量图示与课件,重点在于跟着敲、跟着改,而不是看完就完。 技术栈与版本取向 LangChain 这两年的迭代速度很快,链式写法、LCEL 表…
这份资料的主题很明确:用 LangChain 把大模型能力接进真实工程,而不是停留在调用一次 API 的演示层面。它适合已经会写 Python、但对大模型应用工程化还缺少整体结构认知的开发者。整份资料以视频为主线,配套少量图示与课件,重点在于跟着敲、跟着改,而不是看完就完。
技术栈与版本取向
LangChain 这两年的迭代速度很快,链式写法、LCEL 表达式、Runnable 接口、工具调用与 Agent 组装方式在不同版本间差异明显。这份 2026 版的价值在于它对齐的是较新的接口形态,而不是网上大量停留在旧版 LLMChain 时代的示例。学习时建议重点关注三类内容:一是 LCEL 管道式的组合语法,它决定了后续所有链路的写法;二是 Prompt 模板与输出解析器的配合方式,这是把非结构化输出变成可编程对象的關鍵;三是 Agent 与工具的定义与注册,理解模型如何决定调用哪个函数。
如果你此前看过更早版本的教程,会发现很多核心概念名字没变,但实现方式已经换了。这正是需要拿一份新版资料对照实践的原因——旧代码能跑通不代表思路还对。
内容结构与学习节奏
资料包以多个视频片段加一张总览图组成,体量不算大,属于紧凑型实战课。这种结构的特点是:先讲清概念,再快速进入可运行的例子,中间不会用太多篇幅铺垫理论。总览图可以先看,用来建立整体地图;之后按视频顺序推进,遇到涉及环境配置、依赖安装、API Key 管理的部分不要跳过,很多后续报错都源于这里没处理好。
建议的节奏是:每看完一段,先不急着看下一段,把当段代码自己敲一遍,改一改提示词、换一换模型参数,观察输出变化。LangChain 的很多行为是运行时才暴露的,光看讲解很难形成手感。
可复用的模块与工程落点
把这门课的内容拆开看,真正能在自己项目里复用的,大致是这几块:
- Prompt 模板的组织方式,包括变量注入、少样本示例的组织,以及如何把业务规则写进模板而不写死在代码里。
- 输出解析与结构化输出,把模型返回的文本转成 JSON、列表或自定义对象,方便下游程序消费。
- 链的组合与串联,用 LCEL 把多个步骤拼成一条可维护的流水线,而不是写成一长串嵌套调用。
- 工具与 Agent 的接入,让模型能调用检索、计算、外部接口等能力,这是从“聊天”走向“做事”的分界线。
- 记忆与上下文管理,处理多轮对话时哪些信息需要保留、以什么形式保留。
这些模块单独拿出来都能嵌进实际项目,比如做一个内部知识问答、文档摘要流水线,或者把模型接到已有的业务系统上做辅助决策。学的时候不妨带着一个自己的小需求去对照,效果会比纯跟练好很多。
适合谁、怎么用
如果你已经能写 Python,理解函数、类、异步的基本概念,并且动手调用过至少一家大模型的 API,这份资料可以直接上手。反之,如果对 Python 还不熟,建议先把语言基础补上,否则注意力会被语法细节分散,学不到 LangChain 本身的设计思路。
使用方式上,把它当作一份可对照的工程参考,而不是从头到尾刷完的视频课。第一遍快速过,建立概念地图;第二遍挑与当前需求相关的章节精看,边看边改代码;之后把它当成查手册,遇到具体问题时回去定位对应片段。资料里的示例规模不大,正好适合作为自己项目的起点,把示例改造一番,比另起炉灶更快见到结果。
真正决定学习效果的,不是看完了多少分钟视频,而是你有没有把这些模块搬进一个自己能跑起来的小项目里。LangChain 的抽象层次不低,只有亲自趟过一遍依赖、配置和调试的坑,才算真正掌握。
尚硅谷-LangChain实战教程(2026版)
深入探索LangChain应用实战
编辑点评
LangChain实战教程,系统讲解大模型应用,适合AI开发者和研究者。
⭐ 编辑推荐
掌握LangChain核心技能,提升大模型应用开发能力。
学习LangChain,从入门到实战。
✨ 课程亮点
✦LangChain实战教程
✦系统讲解大模型应用
✦适合AI开发者和研究者
课程目录
课程目录96 集
- 尚硅谷-LangChain从入门到实战(2026版)必看.png [493.5 KB]
- 007-Conda的安装及虚拟环境的配置.mp4 [142.8 MB]
- 033-工具的调用方式与整体执行流程分析.mp4 [174.7 MB]
- 042-Pydantic的基本使用.mp4 [76.7 MB]
- 100-在工具中访问长期记忆(基于PostgresStore).mp4 [47.9 MB]
- 041-结构化输出的理解.mp4 [37.3 MB]
- 070-ToolCallLimitMiddleware中间件的使用.mp4 [76.4 MB]
- 063-Agent的实战:多功能智能助手.mp4 [171.9 MB]
- 013-调用智谱和阿里云百炼平台的大模型.mp4 [106.9 MB]
- 021-流式调用、批量调用与异步调用.mp4 [215.9 MB]
- 116-Milvus数据库的DML和DQL操作.mp4 [183.4 MB]
- 092-短期记忆之PostgreSQL实现持久化存储.mp4 [66.7 MB]
- 004-LangChain是什么.mp4 [126.8 MB]
- 103-RAG工作流程和环境准备.mp4 [83.1 MB]
- 119-项目Assistant客服知识库之初始化Agent_检索函数.mp4 [45.8 MB]
- 030-ChatPromptTemplate的两种实例化方式和三种调用方式.mp4 [212.3 MB]
- 060-ToolStrategy的tool_message_content参数使用.mp4 [63.9 MB]
- 012-调用DeepSeek官网的DeepSeek模型.mp4 [143.2 MB]
- 076-ContextEditingMiddleware中间件的使用.mp4 [65.8 MB]
- 106-PyPDFLoader和MinerU加载pdf文件.mp4 [81.6 MB]
- 109-CharacterTextSplitter的使用.mp4 [76.7 MB]
- 101-在中间件中访问长期记忆.mp4 [45.4 MB]
- 077-FilesystemFileSearchMiddleware中间件的使用.mp4 [25.0 MB]
- 008-大模型应用场景1:Agent开发.mp4 [87.7 MB]
- 072-LLMToolSelectorMiddleware中间件的使用.mp4 [57.3 MB]
- 059-ToolStrategy的schema设置结构化输出-其它几种方式.mp4 [246.6 MB]
- 117-项目Assistant客服知识库之全局配置_初始化Milvus.mp4 [83.7 MB]
- 090-PostgreSQL数据库的安装.mp4 [58.5 MB]
- 019-测试invoke传递三种不同的参数类型.mp4 [202.0 MB]
- 088-基于内存存储的工作原理和常见问题.mp4 [53.6 MB]
- 118-项目Assistant客服知识库之文档切分_向量化并写入Milvus.mp4 [170.7 MB]
- 108-切分策略及TextSplitter中的三个核心方法.mp4 [112.8 MB]
- 015-使用OpenRouter和CloseAI中转平台调用模型.mp4 [182.6 MB]
- 027-对话历史的管理和优化.mp4 [99.2 MB]
- 018-Ollama的安装与本地模型的调用.mp4 [124.1 MB]
- 003-大模型相关岗位介绍.mp4 [48.0 MB]
- 016-LangChain1.x中init_chat_model方式.mp4 [209.2 MB]
- 094-消息裁剪的治理策略.mp4 [137.8 MB]
- 017-模型初始化常用的参数.mp4 [116.4 MB]
- 082-装饰器参数can_jump_to的使用.mp4 [206.9 MB]
- 084-wrap_tool_call的实现和使用场景.mp4 [118.1 MB]
- 054-Agent绑定工具并调用.mp4 [213.2 MB]
- 050-两种获取结构化结果的方式.mp4 [125.2 MB]
- 032-部分变量预填充_消息占位符等的使用.mp4 [171.5 MB]
- 010-大模型开发的4个递进场景.mp4 [40.0 MB]
- 009-大模型的应用场景2:Agent开发.mp4 [51.6 MB]
- 053-Agent通过invoke()方式调用.mp4 [58.1 MB]
- 031-ChatPromptTemplate初始化的6种参数类型.mp4 [136.1 MB]
- 073-ToolRetryMiddleware中间件的使用.mp4 [119.9 MB]
- 014-ChatOpenAI兼容用法.mp4 [105.7 MB]
- 102-RAG模块的必要性.mp4 [81.2 MB]
- 055-工具调用流程分析_常见问题分析.mp4 [118.8 MB]
- 029-content和content_blocks的使用.mp4 [148.9 MB]
- 095-消息删除、摘要的治理策略.mp4 [203.5 MB]
- 086-记忆的概念和记忆的分类.mp4 [150.5 MB]
- 024-LangSmith的主要功能介绍.mp4 [19.9 MB]
- 067-PIIMiddleware中间件的使用.mp4 [138.4 MB]
- 020-invoke的返回值的详细说明.mp4 [119.7 MB]
- 096-长期记忆的介绍和存储架构.mp4 [61.2 MB]
- 023-LangSmith的介绍与基本使用.mp4 [80.4 MB]
- 046-TypedDict格式的使用.mp4 [134.3 MB]
- 057-agent结构化输出的4种策略.mp4 [183.1 MB]
- 069-ModelCallLimitMiddleware中间件的使用.mp4 [121.1 MB]
- 051-Agent的概述.mp4 [61.6 MB]
- 083-wrap_model_call的实现和使用场景.mp4 [121.4 MB]
- 107-其它格式文件的加载器.mp4 [65.1 MB]
- 120-项目Assistant客服知识库之生产与回答生成.mp4 [132.1 MB]
- 002-为什么需要LangChain.mp4 [113.4 MB]
- 114-Milvus的安装和数据模型说明.mp4 [53.8 MB]
- 026-4种消息对象中字段的说明.mp4 [156.7 MB]
- 089-腾讯云部署Linux服务器.mp4 [65.1 MB]
- 078-多个中间件组合及执行顺序.mp4 [34.5 MB]
- 001-课程介绍.mp4 [64.1 MB]
- 093-对比两种方式的不同.mp4 [86.4 MB]
- 075-LLMToolEmulator中间件的使用.mp4 [13.7 MB]
- 113-向量数据库介绍_docker的安装和设置.mp4 [78.5 MB]
- 085-装饰器和类方式的选择_hook函数执行顺序.mp4 [99.9 MB]
- 038-案例3和4:多工具的调用.mp4 [131.2 MB]
- 028-案例:多轮对话聊天机器人.mp4 [102.2 MB]
- 098-search()操作的演示.mp4 [154.5 MB]
- 066-HumanInTheLoopMiddleware中间件的使用.mp4 [269.3 MB]
- 061-Agent的高级用法:错误处理机制.mp4 [341.1 MB]
- 043-Pydantic高级特性:可选字段、默认值、枚举类型.mp4 [140.3 MB]
- 006-LangChain家族四大支柱.mp4 [79.6 MB]
- 079-Hook函数的理解.mp4 [54.2 MB]
- 045-Pydantic模式的工作流程图解.mp4 [20.6 MB]
- 104-TextLoader和CSVLoader的使用.mp4 [67.4 MB]
- 074-ModelRetryMiddleware中间件的使用.mp4 [20.7 MB]
- 005-LangChain的主要模块和API文档.mp4 [74.6 MB]
- 039-tool_choice参数的使用.mp4 [117.7 MB]
- 112-嵌入模型的初始化及文档向量化举例.mp4 [134.8 MB]
- 099-在工具中访问长期记忆(基于InMemoryStore).mp4 [130.9 MB]
- 087-短期记忆之基于内存的持久化器的实现.mp4 [160.7 MB]
- 091-远程服务器连接额外操作.mp4 [66.1 MB]
- 022-profile属性_初始化model_kwargs与extra_body参数_调用的config参数.mp4 [321.8 MB]
- 052-Agent实例化中模型的两种传入方式.mp4 [63.9 MB]
🎯 学习收获
- 掌握LangChain核心技能
- 提升大模型应用开发能力
- 深入了解大模型技术