框架级解决方案
超越单一 API 调用，学习用 LangChain 框架系统化设计、开发和监控 AI 应用。
Course Overview
系统掌握 LangChain，构建可维护、可监控、可优化的 AI 应用
本课程专为希望系统掌握 LangChain 并构建生产级 AI 应用的开发者设计。课程不止于调用大模型 API，更强调如何用标准化框架完成应用设计、工具编排、业务控制和工程化落地。
三天内容分别聚焦多模型统一编程、可编排可监控的智能体开发，以及高性能 RAG 增强检索系统，让学员获得构建、部署与优化下一代 AI 智能体和知识库应用的核心竞争力。
01
统一模型接口
用一套 Chat Models 接口接入 DeepSeek、智谱、通义千问等主流模型，减少重复编码。
02
智能体工程化
掌握工具调用、MCP、记忆管理、人类干预、中间件、LangGraph 和 LangSmith。
03
RAG知识库落地
从 PDF 解析、文本拆分、向量灌库到混合检索、重排序和质量评估，完成可优化的知识库智能体。
Course Features
课程特色：Agent 与 RAG 双核心驱动
课程从框架、工具、流程和项目交付四个层面展开，帮助学员从“会调用模型”进阶到“能构建企业级 AI 应用”。
智能体行动力
通过 Function Call、ReAct、自定义工具和 MCP 工具，让智能体连接外部系统并执行任务。
RAG知识增强
围绕私有知识库问答，掌握 Embedding、Chroma DB、语义检索和两步式 RAG。
生产落地意识
覆盖 LangGraph 编排、LangSmith 监控、中间件、安全控制和 RAG 质量评估。
Target Audience
适合希望用标准化框架构建复杂 AI 应用的技术人员
课程面向具备 Python 或工程开发基础、希望把大模型能力接入真实业务系统的学习者。
Python开发者
希望从脚本调用模型，进阶到工程化大模型应用开发。
AI算法工程师
需要把模型能力包装为可编排、可监控的业务应用。
全栈工程师
希望构建智能助手、知识库问答和企业级 AI 原型。
技术负责人
关注 Agent、RAG、工具链和生产级架构选型。
Skill Outcomes
学完后能够掌握的关键能力
能力目标覆盖模型接入、结构化输出、多模态、工具调用、记忆管理、智能体编排、监控部署和 RAG 性能优化。
大模型基础与提示词
理解大模型训练、推理模型、指令模型和高效提示词编写思路。
OpenAI接口编程
实现单轮、多轮聊天、流式输出和结构化输出。
多模型统一接入
通过 LangChain Chat Models 接入 DeepSeek、智谱、通义千问等模型。
Agent快速构建
理解 Agent 基本概念，快速创建智能体并完成流式与 JSON 输出。
多模态应用
使用统一接口完成 OCR、物体检测和 Content Blocks 内容处理。
工具调用体系
理解 Function Call、ReAct、联网搜索、文件管理、HTTP 请求和自定义工具。
MCP工具接入
理解 MCP 基本概念，并接入高德地图、12306 火车票查询等工具。
记忆与上下文
实现短期记忆、长期记忆、聊天历史管理、摘要和多轮共享。
安全可控流程
掌握 Human-in-the-loop、中间件、敏感词过滤和调用次数限制。
编排与监控
使用 LangGraph、LangSmith、LangGraph CLI 和 Agent Chat UI。
RAG向量知识库
掌握 Embedding、Chroma DB、PDF 解析、清洗拆分、元数据和灌库。
RAG质量优化
使用 BM25 混合检索、重排序、查询重写和评估方法提升回答质量。
3-Day Journey
三天内容按 AI 应用工程化路径推进
从模型统一接入到智能体行动力，再进入 RAG 知识库系统，逐步完成可演示、可评估、可优化的企业级智能体原型。
LangChain核心入门与多模型统一编程
掌握框架思想，用一套代码对接主流模型，并体验 Agent、结构化输出、流式响应和多模态能力。
- 大模型理论基础、推理模型、指令模型和提示词工程。
- OpenAI 接口编程、单轮/多轮聊天、流式输出和结构化输出。
- LangChain 1.0 模块架构、Chat Models、多模型接入和多模态应用。
可编排、可监控的智能体开发
赋予 AI 行动力和记忆力，构建复杂业务流程，并引入发布、监控和中间件控制能力。
- Function Call、ReAct、联网搜索、文件管理、HTTP 请求和自定义工具。
- 汇率兑换、数据库 CRUD、Excel/CSV 处理、MCP 高德地图和 12306 查询。
- 短期记忆、长期记忆、Human-in-the-loop、LangGraph、LangSmith 和中间件。
高性能 RAG 增强检索系统
让模型精准驾驭私有知识，完成从文档解析到混合检索优化的知识库智能体。
- Embedding、余弦相似度、Chroma DB 集合管理和向量检索。
- 高校学生手册知识库：PDF 加载、清洗、拆分、元数据、灌库和召回测试。
- 两步式 RAG、BS4 网页知识库、质量评估、BM25 混合检索、重排序和重问增强。
Full Curriculum
完整课程大纲
保留三天完整技术路径，并按学习目标拆分为清晰模块，方便快速判断每一天的训练重点。
Day 1
LangChain 1.0 快速入门
建立大模型基础、接口编程、LangChain 架构和多模型统一接入能力。
LLM基础
- 大模型理论基础
- 大模型是怎么炼成的
- 理解推理模型和指令模型
- 高效提示词编写思路
接口编程
- OpenAI 接口编程
- 实现单轮/多轮聊天
- 流式输出
- 结构化输出
框架入门
- LangChain 1.0 简介
- 基本模块和架构介绍
- Chat Models 接入更多大模型
- Init Chat Models 接入 DeepSeek、智谱 AI、通义千问
Day 1
Agent 与多模态基础能力
快速创建 Agent，并通过统一接口完成结构化输出、流式响应和多模态任务。
Agent基础
- 理解 Agent 基本概念
- 快速创建 Agent
- 流式输出
- 结构化输出 JSON 格式
多模态模型
- 多模态大模型使用
- 车牌号码识别 OCR
- 数一数有多少人
- 物体侦测任务
统一接口
- Content Blocks 统一接口
- 文本内容
- 推理内容
- 多类型内容表达
Day 2
LangChain 开发智能体
深入工具调用、Function Call 和 ReAct 模式，让智能体执行真实业务任务。
工具调用
- 理解 OpenAI 工具调用原理
- 实现联网搜索
- Function Call 和 ReAct 模式
- LangChain 内部工具使用
内置与自定义工具
- 联网搜索工具
- 文件管理工具
- HTTP 请求工具
- 编写自定义工具
业务工具实战
- 汇率兑换工具
- 数据库 CRUD 工具
- Excel/CSV 数据读取
- 数据转换和存储工具
Day 2
MCP、记忆与人类干预
让智能体连接外部工具、保留上下文，并在关键节点引入人工控制。
MCP工具
- 理解 MCP 基本概念
- MCP 接入高德地图
- MCP 接入 12306 火车票查询
- 扩展工具生态
记忆管理
- 短期记忆聊天历史
- CheckPoint 管理聊天历史
- 删除和摘要
- 长期记忆多轮共享
可控流程
- Human-in-the-loop
- 人类干预机制
- 业务流程控制
- 安全可控执行
Day 2
发布监控与中间件机制
掌握 Agent 发布、LangGraph/LangSmith 监控和中间件扩展。
发布部署
- Agent 发布和部署
- LangGraph 运行监控框架
- LangSmith 注册和使用
- LangGraph CLI API 简介
前端交互
- 配置前端 Agent Chat UI
- 支持智能体交互
- 连接后端 Agent 服务
- 形成演示闭环
中间件
- 中间件基本概念
- AgentMiddleware 钩子函数
- 装饰器实现中间件
- 敏感词过滤中间件
Day 3
RAG 增强检索基础
掌握 Embedding、语义匹配、Chroma DB 和 RAG 架构流程。
上下文与控制
- 系统中间件使用
- Context Editing Middleware
- 安全和控制类中间件
- Model Call Limit 和 Tool Call Limit
Embedding
- 理解嵌入基本概念
- 智谱 AI 嵌入大模型
- 通义千问嵌入大模型
- 余弦相似度语义匹配
向量数据库
- Chroma DB 基本概念
- 创建和管理集合
- 文档添加
- 向量检索
Day 3
知识库系统实战
构建“高校学生手册”知识库系统，完成从文档到检索智能体的全流程。
知识库构建
- 理解 RAG 架构流程
- 实现华中科技大学学生手册知识库
- 加载本地 PDF 文档
- 文档清洗和拆分
向量灌库
- 构建元数据
- 向量化灌库
- 向量数据库维护
- 召回测试和评估知识库
智能体实现
- 两步式 RAG
- 知识库检索智能体
- 实用工具调用方式
- BS4 网页爬虫创建知识库
Day 3
RAG 评估与性能进阶
通过混合检索、重排序和重问增强，提高检索准确率与回答质量。
质量评估
- 如何评估 RAG 应用质量
- 评估检索召回
- 评估回答质量
- 优化知识库表现
混合检索
- BM25Retriever
- BM25 + 向量混合检索
- 提升召回稳定性
- 适配复杂查询
效果增强
- 重排序增强 RAG
- 重问增强 RAG
- 查询重写
- 提升回答可信度
Project Delivery
全链路项目实战与最终交付
课程每天都有完整项目闭环，最终交付一个兼具工具调用能力与私有知识库问答能力的企业级智能体原型。
多模型智能体基础原型
通过 LangChain 1.0 完成主流模型统一接入，支持流式输出、结构化输出和多模态任务。
- DeepSeek、智谱 AI、通义千问多模型接入。
- Agent 快速创建与 JSON 结构化输出。
- OCR、物体检测和 Content Blocks 统一接口。
可控可监控的业务智能体
为智能体添加联网搜索、自定义工具、MCP、记忆、人类干预和中间件，让 AI 可控地执行任务。
- 汇率、数据库、Excel/CSV、HTTP 和文件工具。
- 高德地图、12306 查询等 MCP 工具接入。
- LangGraph 编排、LangSmith 监控和敏感词过滤。
高校学生手册 RAG 知识库
从零构建知识库问答系统，覆盖 PDF 解析、清洗拆分、向量化灌库、语义检索和召回评估。
- Chroma DB 集合创建、文档添加和向量检索。
- 两步式 RAG 知识库检索智能体。
- BS4 网页爬虫方式创建扩展知识库。
生产级 RAG 优化方案
通过混合检索、重排序和重问增强，把知识库问答从“能回答”推进到“答得准、可评估、可优化”。
- BM25 + 向量混合检索。
- 重排序、查询重写和重问增强。
- 面向客服、培训、咨询等场景复用。
Final Outcomes
结课后沉淀的能力与成果
课程目标是让学员获得可复盘、可演示、可继续扩展的 AI 应用工程化能力。
框架化开发方法
掌握用 LangChain 组织模型、工具、记忆、上下文和业务流程的方法。
企业级智能体原型
完成一个具备工具调用、记忆管理、监控发布和安全控制的智能体。
私有知识库问答系统
完成一个可检索、可评估、可优化的 RAG 知识库智能体。
生产落地判断力
理解如何在客服、培训、咨询、知识管理等场景中评估和优化 AI 应用。