LangChain编程

LangChain为开发者提供了一套强大而灵活的工具，使其能够轻松构建和优化大模型应用。本书以简洁而实用的方式引导读者入门大模型应用开发，涵盖LangChain的核心概念、原理和高级特性，并为读者提供了在实际项目中应用LangChain的指导。
本书从实际的例子出发，细致解读LangChain框架的核心模块和源码，使抽象的概念变得具体。无论你是初学者还是有经验的开发者，都能从中受益，能够将LangChain的独特之处融入自己的编程实践中。阅读本书，一起探索LangChain编程的奇妙世界吧！

李多多（@莫尔索）
在大模型应用落地方面有丰富的经验，为知名项目AutoGPT、LangChain框架等贡献过代码。撰有开源电子书《LLM应用开发实践》。“莫尔索随笔”公众号主理人，致力于大模型技术普及。

1."莫尔索随笔"公号主理人首部关于LLM应用开发实践图书，致力于大模型技术普及；
2.简洁而实用的方式引导读者入门大模型应用开发，涵盖LangChain的核心概念、原理和高级特性；
3.实际的例子出发，细致解读LangChain框架的核心模块和源码，使抽象的概念变得具体；
4.为大模型应用开发初学者量身打造的实用指南，深入浅出带领读者探索LangChain框架的强大功能，从基础概念到实际应用，逐步揭示构建高效AI应用的秘密。

前言
第 1章 LangChain简介 1
1．1 LangChain的产生背景 1
1．1．1 大模型技术浪潮 1
1．1．2 大模型时代的开发范式 5
1．1．3 LangChain框架的爆火 6
1．2 LangChain核心概念和模块 8
1．2．1 模型I/O模块 9
1．2．2 检索模块 9
1．2．3 链模块 10
1．2．4 记忆模块 10
1．2．5 代理模块 11
1．2．6 回调模块 13
1．3 LangChain与其他框架的比较 13
1．3．1 框架介绍 14
1．3．2 框架比较 16
1．3．3 小结 17
第 2章 LangChain初体验 18
2．1 开发环境准备 18
2．1．1 管理工具安装 18
2．1．2 源码安装 19
2．1．3 其他库安装 19
2．2 快速开始 19
2．2．1 语言模型 20
2．2．2 提示模板 21
2．2．3 输出解析器 22
2．2．4 使用LCEL进行组合 23
2．2．5 使用LangSmith进行观测 26
2．2．6 使用LangServe提供服务 26
2．3 最佳安全实践 29
第3章 模型输入与输出 30
3．1 大模型原理解释 30
3．1．1 为什么模型输出不可控 30
3．1．2 输入对输出的影响 31
3．2 提示模板组件 34
3．2．1 基础提示模板 34
3．2．2 自定义提示模板 36
3．2．3 使用FewShotPromptTemplate 37
3．2．4 示例选择器 39
3．3 大模型接口 42
3．3．1 聊天模型 43
3．3．2 聊天模型提示词的构建 43
3．3．3 定制大模型接口 46
3．3．4 扩展模型接口 51
3．4 输出解析器 51
第4章 链的构建 56
4．1 链的基本概念 56
4．2 Runnable对象接口探究 56
4．2．1 schema 60
4．2．2 invoke 61
4．2．3 stream 62
4．2．4 batch 63
4．2．5 astream_log 65
4．3 LCEL高级特性 66
4．3．1 ConfigurableField 66
4．3．2 RunnableLambda 67
4．3．3 RunnableBranch 67
4．3．4 RunnablePassthrough 68
4．3．5 RunnableParallel 68
4．3．6 容错机制 69
4．4 Chain接口 70
4．4．1 Chain接口调用 70
4．4．2 自定义Chain实现 71
4．4．3 工具Chain 73
4．5 专用Chain 74
4．5．1 对话场景 74
4．5．2 基于文档问答场景 75
4．5．3 数据库问答场景 75
4．5．4 API 查询场景 76
4．5．5 文本总结场景 76
第5章 RAG 77
5．1 RAG技术概述 77
5．2 LangChain中的RAG组件 80
5．2．1 加载器 80
5．2．2 分割器 81
5．2．3 文本嵌入 86
5．2．4 向量存储 91
5．2．5 检索器 95
5．2．6 多文档联合检索 103
5．2．7 RAG技术的关键挑战 106
5．3 检索增强生成实践 106
5．3．1 文档预处理过程 106
5．3．2 文档检索过程 111
5．3．3 方案优势 116
第6章 智能代理设计 117
6．1 智能代理的概念 117
6．2 LangChain中的代理 117
6．2．1 LLM 驱动的智能代理 118
6．2．2 LangChain中的代理 121
6．2．3 代理的类型 125
6．2．4 自定义代理工具 133
6．3 设计并实现一个多模态代理 136
第7章 记忆组件 139
7．1 构建记忆系统 140
7．2 记忆组件类型 141
7．2．1 ConversationBufferMemory 141
7．2．2 ConversationBufferWindowMemory 142
7．2．3 ConversationEntityMemory 142
7．2．4 ConversationKGMemory 143
7．2．5 VectorStoreRetrieverMemory 144
7．2．6 ConversationSummaryMemory 145
7．2．7 ConversationSummaryBufferMemory 145
7．2．8 VectorStoreRetrieverMemory 146
7．3 记忆组件的应用 147
7．3．1 将记忆组件接入代理 148
7．3．2 自定义记忆组件 149
7．3．3 不同记忆组件结合 151
7．4 记忆组件实战 152
7．4．1 方案说明 153
7．4．2 代码实践 153
第8章 回调机制 159
8．1 回调处理器 159
8．2 使用回调的两种方式 161
8．2．1 构造器回调 161
8．2．2 请求回调 161
8．3 实现可观测性插件 162
第9章 构建多模态机器人 165
9．1 需求思考与设计 165
9．1．1 需求分析 165
9．1．2 应用设计 165
9．1．3 Slack应用配置 167
9．2 利用LangChain开发应用 170
9．2．1 构建Slack事件接口 171
9．2．2 消息处理框架 172
9．2．3 实现多模态代理 174
9．3 应用监控和调优 177
9．3．1 应用监控 177
9．3．2 模型效果评估 178
9．3．3 模型备选服务 178
9．3．4 模型内容安全 179
9．3．5 应用部署 179
第 10章 社区和资源 180
10．1 LangChain社区介绍 180
10．1．1 官方博客 180
10．1．2 项目代码与文档 180
10．1．3 社区贡献 181
10．1．4 参与社区活动 182
10．2 资源和工具推荐 182
10．2．1 模板 183
10．2．2 LangServe 184
10．2．3 LangSmith 186
10．2．4 教程用例 189
10．3 LangChain的未来展望 189
10．3．1 生态系统概览 191
10．3．2 变化与重构 191
10．3．3 发展计划 191