全新Langchain大模型AI应用与多智能体实战开发

课程简介

从框架原理到工程落地：LangChain 实战开发指南当前大模型应用开发面临的最大痛点，并非模型本身的参数量，而是如何将非结构化的海量数据转化为可被 AI 理解的上下文，以及如何构建具备规划、记忆和执行能力的多智能体系统。本课程基于 LangChain 开源框架，直击这一工程难题。它不满足于单纯的 API 调用演示，而是深入讲解 RAG（检索增强生成）的…

已有 26 人浏览发布 2026-03-01 更新 2026-09-24

从框架原理到工程落地：LangChain 实战开发指南

当前大模型应用开发面临的最大痛点，并非模型本身的参数量，而是如何将非结构化的海量数据转化为可被 AI 理解的上下文，以及如何构建具备规划、记忆和执行能力的多智能体系统。本课程基于 LangChain 开源框架，直击这一工程难题。它不满足于单纯的 API 调用演示，而是深入讲解 RAG（检索增强生成）的核心链路、向量数据库的选型策略以及多智能体间的通信协议。通过这套方案，开发者能够解决私有知识库问答不准、业务场景缺乏自主规划能力以及 AI 客服无法处理复杂指令等实际工程问题。

项目结构与模块化复用：拒绝“一次性代码”

课程资料包并非零散的脚本堆砌，而是按照标准工程结构组织的，包含 LangChain 核心组件、ChatGLM4 等主流模型接入层、本地模型部署方案以及针对 PDF、HTML、JS 等多源数据的解析器。这种结构旨在培养开发者构建可维护系统的习惯。例如，在实现私有知识库时，你需要先学习如何清洗 PDF 文档，再将其切片并索引至向量数据库，最后通过 RAG 链进行检索生成。在构建多智能体时，课程展示了如何定义 Agent 的 Tool（工具）库，让智能体在无法回答时自动调用外部 API 或搜索引擎。所有代码均强调模块化，鼓励你将 RAG 构建逻辑封装为独立模块，以便在不同项目中复用，而非重复造轮子。

自学生习路径与独立开发能力构建

这门课适合已掌握 Python 基础、了解大模型基本概念（如 Prompt Engineering）的开发者。建议的学习路径为：首先研读《LangChain 核心组件》部分，理解 LLM 链（Chain）和记忆（Memory）的运作机制；接着进行《ChatGLM4 接入》与《本地大模型》的对比实验，掌握不同推理后端（如 vLLM、Ollama）的配置与成本权衡；最后实战开发私有知识库与多智能体系统，完成从需求分析到代码落地的闭环。学完本课程，你将具备独立搭建企业级 AI 应用的能力，能够自主设计并开发具备私有数据检索能力的问答系统、能够自主调用工具完成复杂任务的智能体以及具备多轮对话记忆的智能客服。资料包中的 Jupyter Notebook 提供了完整的运行环境与分步代码，配合项目源码，你可以对照运行、修改参数并替换为实际业务数据，快速验证想法。切记不要只看不练，务必动手将课程中的 RAG 链路复现并优化，才能真正掌握大模型工程化的精髓。

适用人群 AI应用开发人员、Langchain学习、私有知识库搭建者、Python爱好者课程概述 LangChain: 一个让你的LLM变得更强大的开源框架。课程详尽讲解Langchain框架各种组件应用。实战开发私有知识库问答系统、业务Agent智能体、AI客服、AI导购等系统。适用于：AI应用开发人员、Langchain学习、私有知识库搭建者、Python学习人员 ├──Langchain大模型AI应用实战开发-资料| ├──01-Langchain| | ├──db| | ├──html| | ├──js| | ├──pdf| | ├──test| | ├──Tool| | ├──01-Langchain.ipynb 1.92M| | ├──02-ChatGLM4接入Langchain.ipynb 635.46kb| | ├──03-langchain使用本地大模型.ipynb 9.52kb| | ├──04-本地部署开源大模型类OPENAI接口接入Langchain.ipynb 709.02kb| | ├──05-Langchain提示词模块.ipynb 14.68kb| | ├──06-提示词案例选择器.ipynb 15.48kb| | ├──07-模型 (LLMs) 的类似少样本提示.ipynb 17.83kb| | ├──08-对话提示词工程.ipynb 11.23kb| | ├──09-提示词里模板中的模板.ipynb 9.25kb| | ├──10-管道提示词.ipynb 5.30kb| | ├──11-缓存.ipynb 12.37kb| | ├──12-CSV_时间_枚举解析器.ipynb 8.47kb| | ├──13-JSON parser.ipynb 742.26kb| | ├──14-xml解析器.ipynb 5.65kb| | ├──14-重试解析器.ipynb 40.52kb| | ├──15-自定义大模型输出解析器.ipynb 8.19kb| | ├──16-数据检索.ipynb 7.20kb| | ├──17-文档加载器.ipynb 81.57kb| | ├──18-处理知识库PDF文档.ipynb 387.46kb| | ├──19-HTML文本分割.ipynb 20.80kb| | ├──20-多种文本分割方式提炼内容.ipynb 46.51kb| | ├──21-多向量检索器.ipynb 71.96kb| | ├──22-自查询.ipynb 760.93kb| | ├──23-大模型并行发散流程控制.ipynb 32.83kb| | ├──24-大模型路由映射传递数据.ipynb 9.92kb| | ├──25-设置配置项以适应运行需求.ipynb 11.69kb| | ├──26-自定义流生成器函数.ipynb 6.45kb| | └──27-添加消息历史记录（内存）.ipynb 16.45kb| ├──02-agent| | ├──txt| | ├──01-大模型Agent.ipynb 5.19M| | ├──02-Concepts 概念.ipynb 669.69kb| | ├──03-OpenAI函数调用.ipynb 12.09kb| | ├──03-OpenAI函数智能体.ipynb 112.66kb| | ├──04-XML智能体.ipynb 8.13kb| | ├──05-JSON结构智能体.ipynb 18.79kb| | ├──06-ReAct智能体.ipynb 5.09kb| | ├──07-自定义智能体.ipynb 32.13kb| | ├──08-限制控制智能体执行.ipynb 18.33kb| | ├──09-AI调用Axriv网站论文.ipynb 46.76kb| | ├──10-AI调用shell接管控制电脑.ipynb 31.04kb| | ├──11-AI生成代码并自主运行计算.ipynb 8.17kb| | ├──12-DuckDuckGo_Search.ipynb 13.37kb| | └──13-多智能体计划与协作.ipynb 26.52kb| ├──03-case| | └──01-sales_agent_with_context.ipynb 75.46kb| ├──04-Langgraph| | ├──01-Langgraph.ipynb 289.21kb| | ├──02-LangGraph多分支并行处理.ipynb 100.72kb| | ├──03-多图协作.ipynb 104.16kb| | ├──04-让开源大模型智能体做GPT4都做不了的事情-讲段子Joke.ipynb 74.06kb| | ├──05-灵活应用工具LangGraph智能体.ipynb 104.89kb| | ├──06-多智能扮演明星玩综艺.ipynb 238.09kb| | └──jokeData.json 14.05kb| └──课程推荐大模型| | ├──dranger003| | └──Qwen├──10_10-提示词里模板中的模板解决复杂的聊天对话.mp4 51.08M├──11_11-Langchain管道提示词模板应用.mp4 29.69M├──12_12-Langchain缓存加速应用响应.mp4 39.95M├──13_13-解析输出csv_时间_枚举内容.mp4 45.38M├──14_14-Langchain输出JSON格式和修复大模型错误输出.mp4 56.65M├──15_15-langchain解析大模型XML输出格式.mp4 25.56M├──16_16-如何自定义大模型的输出解析器.mp4 31.90M├──17_17-RAG数据检索增强.mp4 41.35M├──18_18-加载知识库文档与检索算法设置.mp4 90.47M├──19_19-处理解析PDF文档为知识库.mp4 36.72M├──1_01-认识Langchain.mp4 79.05M├──2024全新Langchain大模型AI应用与多智能体实战开发_文件目录.txt 8.17kb├──20_20-HTML文本分割提炼网页知识点.mp4 41.62M├──21_21-分割markdown_代码源码提炼知识库文档.mp4 50.42M├──22_22-知识库文档生成多向量检索器实现精准检索.mp4 96.24M├──23_23-让大模型生成检索语句进行精确查找.mp4 45.07M├──24_24-大模型并行控制复杂流程.mp4 72.92M├──25_25-大模型路由映射传递数据.mp4 80.02M├──26_26-自定义链式配置的多种方式.mp4 102.96M├──27_27-自定义流式生成器函数.mp4 37.57M├──28_28-搭建第一个AI智能体.mp4 86.11M├──29_29-给智能体添加记忆能力-1~1.mp4 37.47M├──2_02-chain的基本结构_提示_模型_输出解析器.mp4 50.70M├──2_02-chain的基本结构_提示_模型_输出解析器_20240510232150.pptx 490.35kb├──30_30-智能体原理2~1.mp4 56.63M├──31_31-OpenAI智能体调用源码解析~2.mp4 84.63M├──32_32-XML链式执行任务智能体搭建~2.mp4 48.41M├──33_33-JSON链式智能体任务执行~2.mp4 55.34M├──34_34-ReAct智能体搭建思路1~1.mp4 26.21M├──35_35-从零使用Langchain搭建适应不同大模型智能体.mp4 129.51M├──36_36-自定义智能体记忆链创建.mp4 33.92M├──37_37-自主搭建超级搜索引擎Searxng服务器作为借口.mp4 65.58M├──38_38-控制智能体限制执行.mp4 22.58M├──39_39-AI大模型获取前沿论文知识.mp4 53.51M├──3_03-langchain接入国内最强大模型chatglm4.mp4 105.55M├──40_40-AI调用Shell接管控制电脑.mp4 89.43M├──41_41-AI根据问题生成代码并自主运行计算.mp4 33.85M├──42_42-duckduckgo免费搜索引擎API应用1.mp4 38.21M├──43_01-具有知识库的上下文感知AI销售助手架构.mp4 23.49M├──44_02-引导销售链与销售智能体实现.mp4 65.06M├──45_03-赛力斯问界汽车知识库问答链搭建.mp4 42.44M├──46_04-多链分工合作协作实现AI销售助手1.mp4 121.23M├──47_01-Langgraph多智体协作框架1~1.mp4 133.90M├──48_02-Langgraph多分支处多任务并行处理.mp4 70.82M├──49_03-循环图与多图协作处理系统复杂任务1.mp4 98.22M├──4_04-Langchain调用本地开源大模型ChatGLM3.mp4 55.06M├──50_04-让智能体做GPT4都做不了的事情-讲段子Joke.mp4 120.92M├──51_05-灵活应用工具的LangGraph智能体.mp4 151.57M├──52_06-多智能体扮演明星玩综艺~1.mp4 157.95M├──5_05-Langchain接入开源大模型的类openai服务器.mp4 50.43M├──6_06-Langchain提示词模块与历史对话.mp4 64.62M├──7_07-不同案例选择器应用_长度选择器_相似度选择器_重迭选择器.mp4 98.31M├──8_08-ChromaDB向量数据库进行问题思路匹配提高回答准确率.mp4 87.03M└──9_09-对话形式提示词工程.mp4 47.35M