第1 章 LangChain 簡介

▌1.1 LangChain 的產生背景

1.1.1 大模型技術浪潮

1.1.2 大模型時代的開發範式

1.1.3 LangChain 框架的爆火

▌1.2 LangChain 核心概念和模組

1.2.1 模型I/O 模組

1.2.2 檢索模組

1.2.3 鏈模組

1.2.4 記憶模組

1.2.5 代理模組

1.2.6 回呼模組

▌1.3 LangChain 與其他框架的比較

1.3.1 框架介紹

1.3.2 框架比較

1.3.3 小結



第2 章 LangChain 初體驗

▌2.1 開發環境準備

2.1.1 管理工具安裝

2.1.2 原始程式安裝

2.1.3 其他函式庫安裝

▌2.2 快速開始

2.2.1 語言模型

2.2.2 提示範本

2.2.3 輸出解析器

2.2.4 使用LCEL 進行組合

2.2.5 使用LangSmith 進行觀測

2.2.6 使用LangServe 提供服務

▌2.3 最佳安全實踐



第3 章 模型輸入與輸出

▌3.1 大模型原理解釋

3.1.1 為什麼模型輸出不可控

3.1.2 輸入對輸出的影響

▌3.2 提示範本元件

3.2.1 基礎提示範本

3.2.2 自訂提示範本

3.2.3 使用FewShotPromptTemplate

3.2.4 範例選擇器

▌3.3 大模型介面

3.3.1 聊天模型

3.3.2 聊天模型提示詞的建構

3.3.3 訂製大模型介面

3.3.4 擴充模型介面

▌3.4 輸出解析器



第4 章 鏈的建構

▌4.1 鏈的基本概念

▌4.2 Runnable 物件介面探究

4.2.1 schema

4.2.2 invoke

4.2.3 stream

4.2.4 batch

4.2.5 astream_log

▌4.3 LCEL 高級特性

4.3.1 ConfigurableField

4.3.2 RunnableLambda

4.3.3 RunnableBranch

4.3.4 RunnablePassthrough

4.3.5 RunnableParallel

4.3.6 容錯機制

▌4.4 Chain 介面

4.4.1 Chain 介面呼叫

4.4.2 自訂Chain 實現

4.4.3 工具Chain

▌4.5 專用Chain

4.5.1 對話場景

4.5.2 基於文件問答場景

4.5.3 資料庫問答場景

4.5.4 API 查詢場景

4.5.5 文字總結場景



第5 章 RAG

▌5.1 RAG 技術概述

▌5.2 LangChain 中的RAG 元件

5.2.1 載入器

5.2.2 分割器

5.2.3 文字嵌入

5.2.4 向量儲存

5.2.5 檢索器

5.2.6 多文件聯合檢索

5.2.7 RAG 技術的關鍵挑戰

▌5.3 檢索增強生成實踐

5.3.1 文件前置處理過程

5.3.2 文件檢索過程

5.3.3 方案優勢



第6 章 智慧代理設計

▌6.1 智慧代理的概念

▌6.2 LangChain 中的代理

6.2.1 LLM 驅動的智慧代理

6.2.2 LangChain 中的代理

6.2.3 代理的類型

6.2.4 自訂代理工具

▌6.3 設計並實現一個多模態代理



第7 章 記憶元件

▌7.1 建構記憶系統

▌7.2 記憶元件類型

7.2.1 ConversationBufferMemory

7.2.2 ConversationBufferWindowMemory

7.2.3 ConversationEntityMemory

7.2.4 ConversationKGMemory

7.2.5 VectorStoreRetrieverMemory

7.2.6 ConversationSummaryMemory

7.2.7 ConversationSummaryBufferMemory

7.2.8 VectorStoreRetrieverMemory

▌7.3 記憶元件的應用

7.3.1 將記憶元件連線代理

7.3.2 自訂記憶元件

7.3.3 不同記憶元件結合

▌7.4 記憶元件實戰

7.4.1 方案說明

7.4.2 程式實踐



第8 章 回呼機制

▌8.1 回呼處理器

▌8.2 使用回呼的兩種方式

8.2.1 建構元回呼

8.2.2 請求回呼

▌8.3 實現可觀測性外掛程式



第9 章 建構多模態機器人

▌9.1 需求思考與設計

9.1.1 需求分析

9.1.2 應用設計

9.1.3 Slack 應用配置

▌9.2 利用LangChain 開發應用

9.2.1 建構Slack 事件介面

9.2.2 訊息處理框架

9.2.3 實現多模態代理

▌9.3 應用監控和調優

9.3.1 應用監控

9.3.2 模型效果評估

9.3.3 模型備選服務

9.3.4 模型內容安全

9.3.5 應用部署



第10 章 社區和資源

▌10.1 LangChain 社區介紹

10.1.1 官方部落格

10.1.2 專案程式與文件

10.1.3 社區貢獻

10.1.4 參與社區活動

▌10.2 資源和工具推薦

10.2.1 範本

10.2.2 LangServe

10.2.3 LangSmith

10.2.4 教學用例

▌10.3 LangChain 的未來展望

10.3.1 生態系統概覽

10.3.2 變化與重構

10.3.3 發展計畫

前言



　　2022 年11 月3 日，OpenAI 發佈了ChatGPT，短短一年間，它不僅成為科技領域的熱門話題，更開啟了新一輪技術革命。從最初的GPT-3.5 模型到現在的GPT-4 Turbo，OpenAI 的每一次技術迭代都拓展了我們對於人工智慧可能性的想像邊界：最開始，ChatGPT 僅能透過文字聊天和使用者進行互動，現如今，它甚至能解說足球比賽影片。



　　文字是思想的載體。第一次看到ChatGPT 的演示時，我就被其流暢自然的表達和豐富的想像力深深吸引。它與以往我接觸的任何智慧對話機器人都截然不同，彷彿具有自己的「思考」。我意識到一個全新的時代即將到來，作為一名程式設計師，我開始思考如何將自己的程式設計能力與AI 結合起來，以駕馭這種能力。



　　當出版社的編輯老師第一次聯繫我，提出出版一本關於LangChain 的圖書的想法時，我感到既興奮又忐忑，我的電子書原本只是在網路上分享個人學習經驗，沒想到會受到關注。其實我也只是一個比大家接觸大模型應用程式開發稍微多一點的初學者，因為這個領域很新，所以我決定將自己學到的內容分享到網路上，希望能幫到有需要的朋友。去年以來，AI 技術日新月異，作為程式設計師，既要站在浪頭緊接技術趨勢，也要腳踏實地，將自己的所學落實到具體的每一行程式，去身體力行地實踐。LangChain 開發框架無疑是當下最好的載體，它定義了大模型時代應用程式開發的新範式，儘管後面出現了許多不論在架構設計上還是程式品質上都可圈可點的框架，但是在社區繁榮度、開發者參與度以及支持廣泛性和相容性上無出其右，而且LangChain 本身也在不斷進化。希望本書能夠造成?磚引玉的作用，帶領大家步入AI 應用程式開發世界，讓讀者們可以在各自的深耕領域利用AI 大放異彩。



　　這是一本旨在幫助各層次讀者理解並掌握使用LangChain 框架開發大模型應用的入門書。本書提供了一條從基礎到實踐的LangChain 程式設計學習路徑，涵蓋理論知識、範例和案例研究。透過閱讀本書，讀者將能夠深入理解和掌握LangChain 的主要概念和使用技能，並為進一步探索和利用LangChain 開發實際大模型應用奠定基礎。



　　本書從LangChain 的基礎知識開始，逐步深入複雜的應用程式開發實踐，你將了解LangChain 的產生背景、核心概念和模組、與其他框架的比較，並對模型輸入與輸出的處理、鏈的建構、記憶管理等高級特性進行探究。此外，本書還涵蓋了檢索增強生成、智慧代理設計等前端技術，以及建構多模態機器人、社區資源等實用主題。



　　最後，我要感謝人民郵電出版社圖靈公司為本書出版辛勤工作的王老師以及其他編輯老師，也感激我的女友對於我忙於寫作而無暇陪伴她的理解，還要感謝所有在寫作過程中支持我、與我分享知識和經驗的社區成員，希望本書能為大家帶來知識、靈感和樂趣。