首页

投稿

【2026最新版】LangChain保姆级教程，3小时带你快速入门，从原理到实战彻底讲透，学完即可就业，比付费强10倍！

1594

1

2026-10-03 14:39:00

【2026最新版】LangChain保姆级教程，3小时带你快速入门，从原理到实战彻底讲透，学完即可就业，比付费强10倍！

大模型开发

LangChain教程

程序员黑马发消息

曾经是大厂设计师，现在是一名AI爱好者，不定时更新AI大模型知识，需要大模型相关籽料、答疑学习、技术问题的朋友，小窗留言，自动掉落！

LangChain入门到精通学习指南

01:36

01-开篇必看：LangChain V1.2 新特性与升级亮点

24:02

02-环境搭建：Windows系统大模型API申请与配置

06:03

03-环境搭建：Mac系统大模型API申请与配置

02:53

04-快速上手：第一个LangChain项目Hello LangChain

03:12

05-模型调用：基础模型与动态模型切换全掌握

13:35

06-提示词进阶：用ChatPromptTemplate高效管理提示词

03:26

07-核心组件：搞懂Messages消息对象的用法

03:32

08-系统提示词：设计能精准控制模型的System Prompt

06:20

09-输出处理：用OutputParser规范模型返回结果

10:57

10- 链的核心：Chain与LCEL表达式入门

06:40

11-高级链技巧：用RunnableLambda自定义复杂逻辑

09:11

12-结构化输出：让模型返回符合要求的JSON数据格式

04:00

13-工具调用：解锁LangChain调用外部工具的能力

09:14

14-中间件开发：用Middleware扩展LangChain能力

14:08

15-RAG入门：从0到1搞懂RAG的完整流程

10:52

16-RAG实战：Document Loader加载各种格式文档

04:47

17-RAG实战：文档切分策略优化召回效果

11:33

18-RAG实战：选择合适的Embedding模型

14:17

19-RAG进阶：相似度算法（L2余弦内积）详解

10:28

20-RAG实战：ChromaDB向量数据库的使用

08:32

21-RAG项目实战：建筑行业知识问答系统搭建

15:09

22-最终实战：用LangChain V1.2开发Agent智能体

05:19

【进阶框架篇】23-为什么需要LangGraph

09:10

24- 核心概念拆解

10:29

25-StateGraph工作流详解

11:33

26-记忆与持久化

12:02

27-高级模式

16:03

28-入门案例——简单问答机器人

20:18

29-LangGraph工具调用Agent_环境配置

09:59

30-工具定义与大模型初始化

14:45

31-节点函数与条件路由

08:27

32-流程图的构建和测试

26:06

33-案例流程通讲

06:57

【Agent原理篇】34-为什么需要Agent？

13:14

35-Agent的核心架构逻辑

18:27

36-阿里云百炼平台入门与代码调用实战

30:26

37-Agent规划能力的核心与实践

17:39

38-Agent的记忆机制

10:59

39-Agent工具的使用介绍

06:51

40-Plan_and_Execute

08:11

41-Self_Ask

06:58

42-Thinking and Self-Reflection

07:57

43-天气查询案例

27:48

44-天气助手多轮对话实现

24:11

【RAG技术篇】45-RAG基础介绍

09:44

46-RAG工作原理

09:25

47-RAG文档切割

11:52

48-向量与Embedding

06:21

49-向量间的相似度计算

17:14

50-向量数据库介绍

15:32

51-ChromaDB实战

17:53

52-基于向量检索的RAG实现

12:03

53-混合检索

11:04

54-阿里云百炼实现RAG

10:08

55-向量检索重排RAG实战

11:32

56-混合检索重排RAG实现

06:01

57-RAG常见问题

03:00

58-RAG评估指标

08:28

59-RAGas评估

10:31

61-指标异常排查

03:23

【微调实战篇】62-LLaMA Factory模型训练快速入门

45:48

63-LLaMA Factory基于Lora微调模型

46:21

64-LLaMA Factory模型合并和推理

45:06

65-LLaMA Factory模型量化

45:19

66-LLaMA Factory模型评估

47:10

67-LLaMA Factory基于DDP并行训练模型

46:32

68-LLaMA Factory基于DeepSpeed加速训练模型

46:28

69-LLaMA Factory基于FSDP训练模型

47:53

70-LLaMA Factory模型训练跟踪和监测

49:10

71-LLaMA Factory模型部署和接口调用

45:42

【企业级实战篇】72-系列分享：教你打造一个本地的，免费的，企业级知识库问答系统

02:03

73-系列分享：教你打造一个本地的，免费的，企业级知识库问答系统，这一集视频手把手教你把整个系统快速搭建起来

04:26

74-系列分享：教你打造一个本地的，免费的，企业级知识库问答系统，这一集视频教大家配置好模型和应用，实现基本的AI对话

02:36

75-打造本地的，免费的，私有化的，离线的，企业级知识库问答系统导入本地文件，让大模型通过知识库进行回答，实现AI智能客服

05:45

76-将本地知识库和AI大模型，接入微信，实现微信内的AI智能客服，使用更方便，体验更好

01:43

77-开源免费的网页转Markdown项目，有效提升RAG的质量

01:07

78-基于AI的PDF转 Markdown，开源免费，高精度还原，用在AI知识库系统里面，能有效优化RAG，提高AI回复质量

00:47

79-企业级的AI知识库服务应该如何部署

01:35

80-从业务实践的真实经验，分享RAG优化的思路和方法。如何有效提升知识库的回复质量，是一个工程问题

01:19

81- OmniParse 全能的文件解析工具，清洗非结构化数据，可以将任何非结构化的数据，转换为干净的，结构化的格式

01:31

82-格式最全，性价比最高的，开源非结构化文档解析方案 UnstructuredIO，有效提升RAG中数据的质量

01:33

顶部