趋近智
使用LangChain构建大型语言模型应用
章节 1: LangChain 框架介绍
框架的缘由
LangChain 的核心架构
设置开发环境
您的第一个LangChain应用
章节 2: 模型、提示与解析器
与LLM和聊天模型交互
使用 PromptTemplates 管理提示词
实现少样本提示
使用解析器结构化输出
动手实践：构建结构化数据提取器
章节 3: 构建用于顺序操作的链
链的基本原理
使用简单的LLM链
创建顺序链
使用路由器链实现条件逻辑
实践操作：一个内容生成流程
章节 4: 会话应用中的记忆功能
会话中状态的意义
用于短期回顾的缓冲区记忆
长对话的摘要记忆
使用窗口式和基于令牌的记忆
为链和代理增加记忆功能
实践：构建一个带记忆的聊天机器人
章节 5: 检索增强生成 (RAG) 的数据连接
RAG系统架构
使用文档加载器加载数据
文档分块处理
向量存储和嵌入
使用检索器获取数据
构建问答链
动手实践：基于您文档的问答
章节 6: 开发自主智能体
代理和工具介绍
代理、工具和工具集架构
应用内置工具
创建自定义工具
代理类型和执行器介绍
实操：一个网络搜索代理
文档分块处理
使用 Kerb 更快构建 LLM 应用
简洁的语法。内置调试功能。从第一天起就可投入生产。
为 ApX 背后的 AI 系统而构建
这部分内容有帮助吗？
- LangChain Text Splitters, LangChain Development Team, 2024 (LangChain) - 官方文档，详细介绍了 LangChain 中的各种文本拆分策略，包括
RecursiveCharacterTextSplitter和TokenTextSplitter，对实际实现至关重要。 - Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, 2020 NeurIPS 2020 DOI: 10.48550/arXiv.2005.11401 - 这篇论文介绍了检索增强生成（RAG）框架，为将文档拆分为可管理块提供了理论背景，这是高效信息检索的基本预处理步骤。
- Lost in the Middle: How Language Models Use Long Contexts, Nelson F. Liu, Kevin Lin, John Hewitt, Ashwin Paranjape, Michele Bevilacqua, Fabio Petroni, Percy Liang, 2023 Transactions of the Association for Computational Linguistics (TACL) DOI: 10.48550/arXiv.2307.03172 - 研究了语言模型在处理长输入上下文时的表现，指出了“中间丢失”现象，文本分块策略旨在通过提供集中的文本段来克服这一问题。
© 2025 ApX Machine Learning用心打造