有编程基础7 节课约 10 小时

LangChain 大模型应用开发

不从"AI 很神奇"讲起，而是先把模型 API 的真面目拆开给你看：它就是一个收文字、吐文字的接口。然后一层层加上提示词管理、结构化输出、对话记忆、私有知识检索（RAG）和工具调用，拼出一个企业级 AI 应用的完整骨架。建议先学完 Python 路线的前 7 课。

模块 01

第一模块 · 看清大模型应用的真面目

模型 API 到底是什么、token 和成本、第一条 LCEL 链。

  1. 大模型应用到底在干什么模型无状态、三种 role、token 计费、为什么需要 LangChain。
  2. 第一条链：用 | 把组件串起来ChatOpenAI、invoke/stream/batch、temperature 怎么调。
模块 02

第二模块 · 提示词与结构化输出

把提示词当代码管理，把模型的话变成程序能用的数据。

  1. 提示词模板与 few-shotChatPromptTemplate、写好 system 的五条、花括号转义的坑。
  2. 结构化输出：把文字变成数据PydanticOutputParser、with_structured_output、解析失败怎么兜底。
模块 03

第三模块 · 记忆、私有知识与工具调用

多轮对话、RAG 检索增强、Agent 与它的安全边界。

  1. 对话记忆：它其实没有魔法MessagesPlaceholder、session_id 隔离、上下文撑爆了怎么办。
  2. RAG：让模型知道你公司的事加载、切块、向量化、检索四步，以及效果不好时的排查顺序。
  3. Agent 与工具调用：让模型能干活@tool、五步循环的真实样子、三条不能越过的安全红线。
广告位（未配置 AdSense，上线后在此展示）