LangChain大模型AI應(yīng)用開(kāi)發(fā)實(shí)踐

第  1  章 快速認(rèn)識(shí) LangChain  1
1.1   LangChain概 述  2
1.1.1   認(rèn)識(shí) LangChain  2
1.1.2   LangChain的用途  3
1.1.3   LangChain生態(tài)與開(kāi)源項(xiàng)目概覽  4
1.2   安裝Python環(huán)境  5
1.2.1   下載 Anaconda  5
1.2.2   安裝 Anaconda  7
1.3   使用Jupyter Notebook 學(xué)習(xí)LangChain  8
1.3.1   安裝 JupyterNotebook  8
1.3.2   啟動(dòng)JupyterNotebook  9
1.3.3   創(chuàng)建新的 Notebook  10
1.3.4   使用JupyterNotebook 學(xué)習(xí)LangChain  10
1.3.5   Jupyter Notebook 快捷鍵  11
1.3.6   使用快捷鍵的好處  13
1.4   安裝和配置 LangChain環(huán)境  13
1.5   第一個(gè)LangChain應(yīng)用示例  15
第 2 章 接入大模型  21
2.1   在LangChain中使用免費(fèi)的文心大模型 API  22
2.1.1    文心大模型簡(jiǎn)介  22
2.1.2   基礎(chǔ)使用 22
2.1.3   鏈?zhǔn)秸{(diào)用 25
2.1.4   流式生成  25
2.1.5   批量生成  26
2.2   使用 DeepSeek API進(jìn)行 LangChain 開(kāi)發(fā)   26
2.2.1   DeepSeek -V2概述  27
2.2.2    獲取 API 密 鑰  27
2.2.3    配置環(huán)境  27
2.2.4    集成 DeepSeek API  28
2.3   在LangChain 中使用 ChatGLM-4 API  30
2.3.1   GLM-4模型簡(jiǎn)介   30
2.3.2   在LangChain中集成 ChatGLM-4  30
2.4    LangChain  調(diào)用本地開(kāi)源大模型ChatGLM3  32
2.4.1   ChatGLM3-6B 模型簡(jiǎn)介  32
2.4.2   安裝和準(zhǔn)備工作  33
2.4.3    實(shí)現(xiàn)基本對(duì)話(huà)  34
2.4.4   LangChain 調(diào)用本地開(kāi)源大模型 ChatGLM3   34
2.5    接入部署的開(kāi)源大模型的類(lèi)OpenAI 服務(wù)器  37
2.5.1   為什么要實(shí)現(xiàn) OpenAI 類(lèi)似的響應(yīng)   38
2.5.2   常見(jiàn)本地部署提供兼容的 OpenAIAPI  應(yīng)用  38
2.6    LM Studio 搭 建OpenAI API 服務(wù)器  41
2.6.1    安裝 LM Studio  41
2.6.2    下載和加載模型  43
2.6.3    配置和運(yùn)行本地服務(wù)器  48
2.6.4  鏈?zhǔn)秸{(diào)用 49
第3章  LangChain提示詞工程  51
3.1    利用提示詞工程構(gòu)建 LangChain  AI應(yīng) 用 52
3.1.1   基礎(chǔ)策略  52
3.1.2    高級(jí)技巧  52
3.1.3    實(shí)際案例分析  53
3.2   LangChain 提示詞模塊  54
3.2.1   PromptTemplate   的使用  54
3.2.2   ChatPromptTemplate 的使用  56
3.3   少樣本提示示例  57
3.3.1   理解少樣本提示  58
3.3.2   LangChain 中的少樣本提示應(yīng)用  58
3.3.3    編寫(xiě)少樣本提示  58
第 4 章 高級(jí)提示詞技術(shù)   65
4.1   巧用提示詞的案例選擇器  66
4.1.1    根據(jù)長(zhǎng)度優(yōu)化示例選擇器  66
4.1.2   使用最大余弦相似度嵌入示例  69
4.1.3   使用 MMR 選擇示例  71
4.1.4   構(gòu)建和格式化提示  72
4.1.5   調(diào)用和解析結(jié)果  74
4.2   消息對(duì)話(huà)提示詞實(shí)現(xiàn)少樣本學(xué)習(xí) 74
4.3    向量存儲(chǔ)實(shí)現(xiàn)消息對(duì)話(huà)的示例選擇   77
4.3.1    引入必要的庫(kù)  77
4.3.2   加載模型  77
4.3.3    創(chuàng)建示例集合  78
4.3.4   利 用Chroma 向量存儲(chǔ)和語(yǔ)義相似度選擇示例   78
4.3.5   選擇語(yǔ)義相似的示例  79
4.3.6    應(yīng)用示例格式化對(duì)話(huà)  80
4.4    管理歷史消息  82
4.4.1   MessagesPlaceholder 組 件  82
4.4.2    如何使用MessagesPlaceholder  82
4.4.3    實(shí)際使用場(chǎng)景  83
4.5   預(yù)設(shè)部分提示詞變量  84
4.6   動(dòng)態(tài)預(yù)設(shè)提示詞變量  87
4.7    管道提示詞  90
第5章  LangChain 輸出解析   94
5.1   CSV 格式解析器  95
5.1.1   理解 CommaSeparatedListOutputParser  95
5.1.2    配置輸出解析器  95
5.1.3   創(chuàng)建 Prompt 模板  96
5.1.4   應(yīng)用解析器  97
5.1.5    示例應(yīng)用：列出冰淇淋口味  97
5.2   日期時(shí)間格式解析器  98
5.3   枚舉解析器   100
5.3.1    引入枚舉類(lèi)型  100
5.3.2   枚舉解析器的配置與使用 101
5.3.3   構(gòu)建 LangChain 調(diào)用鏈   101
5.3.4   執(zhí)行與輸出 102
5.4 XML  格式解析器  102
5.5    自定義大模型輸出解析器   104
5.5.1   使用RunnableLambda 或 RunnableGenerator  105
5.5.2   將關(guān)鍵詞替換為表情符號(hào)  105
第 6 章 檢索增強(qiáng)生成  107
6.1    詳解 RAG  108
6.1.1    認(rèn)識(shí)RAG   108
6.1.2   RAG 的技術(shù)原理   109
6.1.3   RAG 的應(yīng)用 110
6.1.4   RAG  的挑戰(zhàn)與未來(lái)發(fā)展   111
6.2   RAG  應(yīng)用案例  113
6.2.1   創(chuàng)建向量數(shù)據(jù)庫(kù)  113
6.2.2   使用檢索器檢索相關(guān)文檔  114
6.2.3   結(jié) 合LangChain 進(jìn)行問(wèn)答  114
6.3   知識(shí)庫(kù)文檔的多種加載方式  115
6.3.1   加載單個(gè)文本文檔   116
6.3.2   加載整個(gè)目錄的文檔  116
6.3.3   加載 HTML 格式的文檔   117
6.4   處 理PDF 格式的知識(shí)庫(kù)文檔  118
6.5   分割長(zhǎng)文本  120
6.5.1   加載文檔   120
6.5.2   創(chuàng)建文本分割器   121
6.5.3    分割文檔   122
6.6    分割不同語(yǔ)言的代碼  123
6.6.1    必要模塊引入和語(yǔ)言支持  123
6.6.2    分割器配置與使用 125
6.6.3    處理其他語(yǔ)言   126
6.7    Markdown  文本分割   126
6.7.1   MarkdownHeaderTextSplitter 概述與基本使用 127
6.7.2    分割選項(xiàng)  128
第7章 高級(jí) RAG  應(yīng)用  129
7.1   最大邊際相關(guān)性檢索  130
7.1.1   基本概念   130
7.1.2    文檔庫(kù)設(shè)置與向量存儲(chǔ)構(gòu)建  130
7.1.3   MMR 檢索集成與回答生成  131
7.2  實(shí)現(xiàn)相似性分?jǐn)?shù)閾值檢索  132
7.2.1   相似性分?jǐn)?shù)閾值檢索的概念及基本設(shè)置  133
7.2.2    相似性分?jǐn)?shù)閾值檢索與MMR 檢索的比較  133
7.3    自查詢(xún)檢索器的使用  134
7.3.1   工作原理和代碼配置   134
7.3.2   文檔和向量存儲(chǔ)配置  135
7.3.3    自查詢(xún)檢索器配置與操作示例  136
第8章  AI應(yīng)用流程控制  139
8.1    并行處理任務(wù)   140
8.2    管道中添加自定義函數(shù)   142
8.3    LangChain 動(dòng)態(tài)路由邏輯  144
8.4    運(yùn)行時(shí)配置鏈的內(nèi)部結(jié)構(gòu)   148
8.4.1    兩種方法的使用 148
8.4.2    實(shí)際應(yīng)用示例  149
8.5    使用@chain 裝飾器  150
8.6   自定義流式生成器函數(shù)  152
8.7    異步的自定義流式生成器函數(shù)   154
第9章 智能體開(kāi)發(fā)  156
9.1   什么是智能體  157
9.1.1   智能體的核心功能  157
9.1.2    智能體的應(yīng)用 157
9.1.3    開(kāi)發(fā)智能體的挑戰(zhàn)  158
9.2    智能體開(kāi)發(fā)的關(guān)鍵組件   158
9.3   案例分析：智能體自動(dòng)處理 GitHub   問(wèn)題  160
9.4    @tool 快速定義智能體工具   161
9.4.1    理 解 @tool 裝飾器  161
9.4.2    示例：定義天氣查詢(xún)工具  162
9.4.3   使用場(chǎng)景和最佳實(shí)踐  164
9.5   定義智能搜索工具   164
9.6   快速搭建第一個(gè)智能體  168
9.7   提示詞引導(dǎo)智能體使用工具   170
9.8   格式化中間步驟構(gòu)建智能體  174
9.8.1    中間步驟格式化和輸出解析  174
9.8.2   構(gòu)建智能體執(zhí)行流程  178
9.8.3   執(zhí)行智能體  179
9.9    為智能體添加歷史聊天記錄  181
第 1 0 章  智能體強(qiáng)化  184
10.1   獲取并處理學(xué)術(shù)論文  185
10.2   AI調(diào)用 Shell 命令控制電腦  187
10.3   AI自動(dòng)生成與執(zhí)行代碼   189
10.3.1   利 用LangChain 構(gòu)建自動(dòng)化代碼生成流程  189
10.3.2   示例：自動(dòng)解決數(shù)學(xué)問(wèn)題   191
第 1 1 章    LangGraph 多智能體  192
11.1   LangGraph   的核心概念  193
11.2   搭建 LangGraph   應(yīng)用 194
11.2.1   定義節(jié)點(diǎn)和邊  194
11.2.2    創(chuàng)建和配置圖 196
11.2.3   展示圖結(jié)構(gòu)  198
11.2.4   執(zhí)行圖 198
11.2.5    圖的動(dòng)態(tài)行為和狀態(tài)管理  199
11.3   LangGraph  靈活自定義智能體  199
11.3.1   定義大語(yǔ)言模型  200
11.3.2   定義智能體提示詞  200
11.3.3   定義工具  201
11.3.4   定義狀態(tài)  203
11.3.5    定義是否使用工具條件  203
11.3.6   定義圖 204
11.3.7   使用智能體  207
11.4   多智能體模擬圓桌派綜藝節(jié)目 208
11.4.1   智能體配置   209
11.4.2   信息流與處理邏輯  209
11.4.3   構(gòu)建數(shù)據(jù)流圖 214
第12章 人工智能銷(xiāo)售助手   218
12.1   概述與核心概念  218
12.2   SalesGPT 智能體的架構(gòu)  219
12.2.1   銷(xiāo)售代理的運(yùn)行機(jī)制 219
12.2.2   銷(xiāo)售階段識(shí)別代理  220
12.2.3    系統(tǒng)整合與數(shù)據(jù)流  220
12.3   定義銷(xiāo)售對(duì)話(huà)階段分析鏈  221
12.3.1   理 解LangChain 鏈的基礎(chǔ)  221
12.3.2   設(shè)計(jì) StageAnalyzerChain   221
12.3.3    實(shí)現(xiàn) StageAnalyzerChain   222
12.4   LangChain 實(shí)現(xiàn)歷史對(duì)話(huà)生成銷(xiāo)售話(huà)語(yǔ)的類(lèi)  224
12.4.1    設(shè)計(jì) SalesConversationChain類(lèi)  224
12.4.2    實(shí)施 SalesConversationChain  225
12.5   構(gòu)建和利用產(chǎn)品知識(shí)庫(kù)  228
12.5.1   設(shè)計(jì)產(chǎn)品知識(shí)庫(kù)  229
12.5.2    實(shí)施和部署產(chǎn)品知識(shí)庫(kù)  230
12.5.3   利用產(chǎn)品知識(shí)庫(kù)進(jìn)行銷(xiāo)售支持  232
12.5.4    維護(hù)和優(yōu)化知識(shí)庫(kù)  232
12.6    定義知識(shí)庫(kù)工具的模板和解析器  233
12.6.1    自定義提示模板  233
12.6.2   定義銷(xiāo)售智能體輸出解析器  234
12.7    定義LangChain 銷(xiāo)售智能體類(lèi)  236
12.7.1    SalesGPT 類(lèi)概述  236
12.7.2   動(dòng)態(tài)工具使用 237
12.7.3    實(shí)現(xiàn)復(fù)雜對(duì)話(huà)管理  238
12.7.4    完整代碼示例  238
12.8   配置和運(yùn)行銷(xiāo)售智能體  247
12.8.1   設(shè)置代理配置  248
12.8.2   初始化和運(yùn)行智能體  248