书名：LangChain从入门到精通：编程入门+大模型应用开发实例 套装2册
定价：149.6
ISBN：9787115830456
作者：李多多（@莫尔索）
出版时间：2024-04

内容提要：

《LangChain编程：从入门到实践》

LangChain为*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*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*，*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！

《LangChain实战：大模型应用开发实例》

本书深入介绍了LangChain平台和大模型的核心概念、应用和实战经验。从LangChain的架构出发，逐一讲解了模型输入/输出、检索、链、记忆和代理等核心组件，并结合丰富的开发场景以详细的代码呈现给读者。此外，本书还将通过几个具体案例来展示如何综合运用所学知识，通过这些案例，读者不仅可以掌握LangChain的实用技术，还可以提升解决实际问题的能力。

本书既适合初学者快速入门LangChain，深入了解大模型领域的*，也适合专业*拓展技能，上手大模型应用的开发。

作者简介：

《LangChain编程：从入门到实践》

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”*主理人，致力于大模型技术普及。

《LangChain实战：大模型应用开发实例》

崔皓

华中科技大学硕士，*架构师，51CTO平台特约作者、社区编辑、AIGC大模型应用实战精品班讲师。在大模型领域拥有丰富的教学经验，并协助企业成功实施大模型项目。曾在惠普负责企业服务交付工作长达9年，近几年专注于大模型技术的实际应用和企业数字化转型。著有《分布式架构原理与实践》。

目录：

《LangChain编程：从入门到实践》

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 **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*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*    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

《LangChain实战：大模型应用开发实例》

目　录

第 1章　携手大模型与LangChain，迈向AI新纪元 1

1.1　大模型：不仅火热，更是未来 2

1.2　大模型揭秘：从数字到现实 3

1.3　LangChain：你的大模型工具箱 5

1.4　LangChain探索：开发的第 一步 7

1.5　内容导览：与LangChain共创未来 10

1.6　LangChain的整体框架 12

1.7　总结 14

第 2章　LangChain探索之旅：准备与初始配置 15

2.1　LangChain 安装：步骤简单 16

2.2　环境搭建：Python的简洁与Jupyter NoteBook的力量 17

2.3　密钥之力：打开大模型的通道 18

2.4　启动序章：大模型的调用与应用 20

2.5　总结 23

第3章　驾驭大模型的输入与输出 24

3.1　model I/O概述：通往大模型应用的桥梁 25

3.2　提示模板探究：构筑灵活的提示体系 26

3.2.1　动态提示构造：提示模板在自动客服应用中的应用 27

3.2.2　从客服到技术：ChatMessagePromptTemplate在角色切换中的实践 30

3.2.3　部分提示模板：引导用户获取*服务 32

3.2.4　自动客服模板组合：PipelinePromptTemplate集成多模板 37

3.3　示例选择探究：借用示例选择器提升响应效率 39

3.3.1　客服交互设计：LengthBasedExampleSelector实现三步响应法 40

3.3.2　用户请求归类：SemanticSimilarityExampleSelector实现相似度选择 44

3.4　模型交互核心：模型应用实战 48

3.4.1　模型框架探析：LangChain实践展现 48

3.4.2　缓存优势展现：实战效能提升 50

3.4.3　虚拟环境构建：FakeListLLM演示 52

3.4.4　并发优势探索：异步调用实现 55

3.5　输出格式解析：输出解析器优化系统交互 58

3.5.1　CRM数据整合：PydanticOutputParser实现输出解析 58

3.5.2　解析自动修复：OutputFixingParser实现解析失败的备选方案 61

3.6　总结 64

第4章　检索技术 65

4.1　检索器概要：执行路径与组件功能 66

4.2　文档加载器：连接数据源与文档的工具 67

4.3　文档转换器：文本分割与格式化 71

4.3.1　分块与重叠：递归文本分割策略 72

4.3.2　结构化数据抽取：用户评论智能转换 75

4.4　文本嵌入向量：深入词向量原理 78

4.5　向量存储：从嵌入到查询 81

4.6　检索器：多维查询与上下文压缩 84

4.7　总结 90

第5章　链组件 91

5.1　模块设计：链组件概述 92

5.2　交互优化：提示模板与链协同工作 93

5.3　生成摘要：探索StuffDocumentsChain的应用 94

5.4　海量文档搜索：探索MapReduceDocumentsChain的应用 98

5.5　过滤请求：实现问题分类与路由选择 105

5.6　串联服务链：使用SequentialChain实现连续处理流程 110

5.7　自动客服系统：架设自然语言到SQL语句的桥梁 114

5.7.1　数据库设计：明确实体与关系 115

5.7.2　数据库部署：SQLite的选择与安装 118

5.7.3　从自然语言到SQL语句：使用SQLDatabaseChain实现查询功能 119

5.8　总结 122

第6章　*AI聊天机器人：借助记忆组件优化交互体验 123

6.1　增强对话连贯性：记忆组件的实现与应用 124

6.2　优化AI聊天体验：借助记忆组件实现聊天记忆 126

6.3　长聊天交互：使用ConversationSummaryMemory提升聊天连续性 131

6.4　*检索历史对话：使用VectorStoreRetrieverMemory实现信息检索 135

6.5　多输入链：兼顾历史文档与实时查询 141

6.6　总结 148

第7章　代理与回调组件：实时交互与智能监控 149

7.1　代理组件：实现动态交互 150

7.2　天气与物流协同：对话代理实现对话实时交互 156

7.3　在线文档搜索：搜索与查找实现文档实时交互 159

7.4　自问自答与搜索：实现电商销售推荐 163

7.5　对接订单与物流：StructuredTool自定义工具 165

7.6　实时监控与日志记录：回调实现自定义处理器 169

7.7　总结 174

第8章　大模型项目实践：从理论到应用的跨越 175

8.1　知识图谱实践：理论、方法与工具 176

8.1.1　知识图谱构建：开发流程与关键步骤 176

8.1.2　三元组抽取：从文本到图谱的转化 177

8.1.3　LangChain处理三元组：语义的深度解析 179

8.2　企业知识库构建：技术架构与操作流程 183

8.2.1　自动客服流程：从用户请求到模型响应的完整流程 184

8.2.2　数据应用构建：Streamlit前端与Python后端的融合 185

8.2.3　自动客服执行：从PDF上传到问题响应 186

8.3　用户评论分析：从文本到情感识别 192

8.3.1　用户评价分析：客户反馈与信息抽取 192

8.3.2　从评论到数据洞察：LangChain驱动文本分析流程 194

8.3.3　追加情感分析：LangChain标记链实践 197

8.3.4　情感数据可视化：雷达图洞悉服务满意度 202

8.4　大模型微调： GPT-3.5 Turbo*微调与效能提升 204

8.4.1　微调GPT-3.5 Turbo：*标准与成本透明性 205

8.4.2　提升效率与性能：GPT-3.5 Turbo的微调过程 206

8.4.3　数据集构建：打造幽默气象助理 206

8.4.4　定制幽默感：GPT-3.5 Turbo 微调详解 209

8.5　总结 213

第9章　LCEL技术深掘：构建*的自动化处理链 214

9.1　LCEL概要 215

9.2　自定义链：Runnable接口的功能与实现 216

9.3　组件协作：输入/输出模式和数据传递机制 218

9.4　流畅的AI对话：结合Runnable、模板和解析器 221

9.5　自动化回答链：结合检索、模板和大模型 226

9.6　序列化链：借助LCEL实现技术问题诊断与解决方案生成 228

9.7　并行链：借助LCEL实现多方案整合 231

9.8　总结 236