424 字
2 分钟
LangChain 知识库索引
LangChain 深度学习笔记
本系列从零开始拆解 LangChain 框架：先理解框架设计，再落地模型部署，逐步掌握 Agent、RAG 等核心能力，最终走向生产部署，并通过项目案例把这些模块重新串回真实工程。
章节导航
01 - LangChain 概览
框架是什么、核心模块、底层运行原理、开发环境与可观测性。
02 - 大模型部署与调用
模型选型策略、Qwen3/Deepseek 私有化部署、国内外主流大模型 API 接入。
03 - 输出解析与结构化
将大模型的自由文本输出转换为程序可用的结构化数据，附多模态机器人实战案例。
04 - Agent 与工具使用
让大模型从”被动回答”变为”主动行动”：工具调用、ReAct 推理、自主 Agent 构建。
05 - RAG 检索增强生成
用外部知识增强大模型：文档加载、向量存储、检索链，构建企业级知识问答系统。
06 - LangGraph 入门
用有向图构建复杂 Agent：多步推理、条件分支、人机协作、持久化状态。
07 - LangServe 部署与生产实践
将 Chain / Agent 发布为生产级 REST API，涵盖 LangServe、容器化与监控。
08 - 项目实战与案例拆解
从完整项目出发，拆解 LangChain 在多模态输入、历史管理与外部模型调用中的模块协作方式。
前置知识
阅读本系列前，建议具备以下基础：
- Python 基础与异步编程（
async/await） - 对大语言模型（LLM）的基本认知 → 01_什么是语言模型
- REST API 调用经验
LangChain 知识库索引
https://fuwari.vercel.app/posts/ai/llm/langchain/notes/00_index/