大语言模型的局限性

1. 知识受限于训练数据。
2. 无法直接与外部系统交互（调用工具、数据库、API等）。
3. 不具备状态保持能力（上下文记忆能力）。

官网文档

1. LangChain 官网：https://www.langchain.com
2. GitHub：https://github.com/langchain-ai
3. 中文文档：https://docs.langchain.org.cn/oss/python/langchain/overview
4. 英文文档：https://docs.langchain.com/oss/python/langchain/overview
5. API 文档查询地址：https://reference.langchain.com/python/langchain

LangChain 家族

1. LangChain：基础能力（地基）。
2. LangGraph：复杂工作流的编排（比较牛逼）。
3. DeepAgent：多智能体协作（最牛逼的）。
4. LangSmith：应用监控、性能评估、问题调试（可以视为一个工具）。

前置知识

Python 基础

1. 变量、流程控制、函数与参数机制、类与对象、装饰器。
2. 常用的容器（列表、元组、集合、字典）、JSON处理、异常处理。
3. 模块导入、包管理（推荐用pip 或 conda）、线程与协程。

大语言模型基础

1. 了解什么是 LLM、Token、Prompt、Embedding。
2. OpenAI API 或其他模型提供商,如 Anthropic、阿里云百炼、DeepSeek等。
3. 通过浏览器或app使用过大模型（比如:豆包、干问、DeepSeek等）。

LangChain 生态支持包括 Python和 Javascript语言实现。其中，Python版本仍是功能最完整、更新最及时」社区最活跃的核心实现。

安装 Miniconda

1. 下载地址：https://www.anaconda.com/download/success
2. 傻瓜式安装，安装完成后可以使用 conda -V 查看版本号。
3. 常用指令如下：

环境相关指令

# 查看所有环境
conda env list
# 或者
conda info --envs

# 创建环境，指定python版本
conda create -n py311 python=3.11

# 删除环境
conda remove -n py311 --all

# 激活环境
conda activate py311

# 退出环境，回到base
conda deactivate

包相关指令

# 安装包
conda install numpy

# 指定版本安装
conda install numpy=1.26

# 卸载包
conda remove numpy

# 查看当前环境已装包
conda list

# 搜索包
conda search opencv

环境导出、迁移（换电脑 / 分享）

# 导出当前环境（包含conda源信息）
conda env export > environment.yml

# 从yml新建环境
conda env create -f environment.yml

# 只导出包名（不带前缀，跨平台友好）
conda env export --no-builds > environment.yml

源 & 清理

# 查看conda配置
conda config --show

# 添加清华源（国内加速）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --set show_channel_urls yes

# 清理缓存安装包
conda clean -y --all

版本、更新

# 查看conda版本
conda -V

# 更新conda本身
conda update -n base conda

创建虚拟环境

bash

# 创建虚拟环境并指定 Python 版本。langchain1.2 是环境名，可以自定义。
conda create --name langchain1.2 python=3.13.12

# 初始化
conda init

# 使用虚拟环境
conda activate langchain1.2

# 安装 langchain
pip install langchain==1.2.12

• 在 PyCharm 中创建项目

• 输出 langchain 的版本

大模型全家桶

RAG

1. 大模型的知识冻结：大模型 LLM 无法 实时学习 最新的信息，导致 LLM 难以应对时间敏感的问题。
2. 大模型幻觉：涉及到大模型从未在训练过程中学习过的信息时，大模型无法给出准确的答复，转而开始编造答案。
3. RAG：全称 Retrieval-Augmented Generation，检索增强生成。
4. RAG 工作流程：先检索外部资料，再把资料喂给大模型，让模型基于查到的内容来回答，而不是只靠它本身训练学到的知识。

Agent

1. 给大模型加上思考规划、自主决策、调用工具、循环执行能力，能自己一步步完成复杂任务的程序。
2. 两张图理解 RAG 和 Agent
3. Agent = LLM + Planning + Tools + Memory + Action
   • 大模型（LLM）：提供推理、规划和知识理解能力。
   • 规划决策（Planning）：通过任务分解、反思与自省框架实现复杂任务处理。
   • 工具使用（Tool Use）：调用外部工具（如API、数据库）扩展能力边界。
   • 记忆（Memory）：
     • 短期记忆：只存储单次对话周期的上下文信息。
     • 长期记忆：可以横跨多个会话或时间周期，可存储并调用核心知识，非即时任务。
     • 行动（Action）：实际执行决策的模块，涵盖软件接口操作（如自动订票）和物理交互（如机器人执行搬运）

大模型应用开发的4个场景

1. 纯 Prompt：Prompt 是操作大模型的唯一接口。你说一句，ta回一句，你再说一句，ta再回一句...
2. Agent + Function Calling
   • Agent：AI 主动提要求，
   • Function Calling：需要对接外部系统时，AI 要求执行某个函数。
3. RAG：需要补充领域知识时使用
4. Fine-tuning(精调/微调)