课程概述
如果你已经不满足于“调用一下大模型接口”,而是希望真正构建可落地的 AI 应用,那么这门课程会更适合你。
LangChain大模型应用开发高级实战,是一门面向开发者的 AI 应用工程实战课程,聚焦当前企业落地最核心的两大方向:
Agent智能体开发 与 RAG知识库系统构建。
课程围绕 LangChain 1.0 框架展开,系统讲解大模型基础、提示词设计、多模型统一接入、工具调用、记忆管理、中间件机制、LangGraph 编排、LangSmith 监控,以及生产级 RAG 增强检索系统的构建方法,帮助学员完成从“会调模型”到“会做 AI 应用”的能力升级。
本课程不是单纯讲概念,也不是只讲某一家模型的 API 调用,而是强调:
如何把大模型、工具、数据库、企业知识和业务流程连接起来,做成一个真正可用的智能体应用。
通过 3 天系统学习,学员将完成一个兼具工具调用能力与私有知识问答能力的企业级智能体原型,可进一步迁移到客服、培训、咨询、知识管理、内部助手等真实场景中。
课程对象
本课程适合以下人群:
- Python开发者
- AI应用开发者
- 全栈工程师 / 后端开发工程师
- AI算法工程师
- 技术负责人 / 架构师
- 希望基于 LangChain 构建智能体、RAG知识库、企业AI助手的技术从业者
不太适合的人群
- 完全没有代码基础,只想学习 AI 办公提效的人
- 只想学 ChatGPT、豆包、DeepSeek 日常使用方法的人
- 只关注概念介绍,不涉及实际开发落地的人
课程目标
完成本课程后,学员将能够:
- 理解 LangChain 1.0 的核心模块和框架思维
- 使用统一方式接入 DeepSeek、智谱AI、通义千问等主流模型
- 构建具备工具调用能力的 Agent 智能体
- 实现联网搜索、数据库读写、Excel/CSV处理等常见工具能力
- 为智能体添加短期记忆、长期记忆和多轮对话能力
- 使用 LangGraph 对智能体进行可编排开发
- 使用 LangSmith 对智能体进行调试、监控和发布
- 独立构建 RAG 增强检索知识库系统
- 掌握混合检索、重排序、重问增强等 RAG 优化方法
- 完成一个具备企业落地潜力的 AI 智能体原型
课程收益
1.聚焦 LangChain 框架,而不是单点接口调用
课程不是简单演示某个模型怎么调,而是从框架角度出发,帮助学员掌握大模型应用开发的通用方法,建立可维护、可扩展的 AI 应用开发能力。
2.Agent + RAG 双核心主线
课程紧扣当前企业 AI 应用落地最关键的两类能力:
一类是让模型具备“行动力”的 Agent 智能体,
一类是让模型准确调用企业私有知识的 RAG 知识库系统。
3.强调工程化落地
课程不仅讲模型调用,还会覆盖工具集成、记忆管理、中间件、发布部署、监控调试、质量评估与检索优化,更贴近真实项目开发需求。
4.多模型、多工具、多场景实战
课程中将接入 DeepSeek、智谱AI、通义千问等模型,并结合搜索、文件、数据库、地图、12306、OCR、知识库等场景进行完整演练。
5.3天高强度实战,最终交付可演示项目
通过连续 3 天学习,学员将从基础入门逐步走向完整项目交付,最终形成一个可演示、可优化、可扩展的企业级智能体原型。
课程时长3天
课程大纲
| 第一天:LangChain1.0快速入门 |
| llm大模型理论基础
大模型是怎么炼成的
理解推理模型和指令模型
高效提示词编写思路
OpenAI接口编程
实现单轮/多轮聊天
流式输出
结构化输出
LangChain 1.0简介
LangChain1.0基本模块和架构介绍
Chat Models接入更多大模型
Init_chat_models 接入deepseek
接入智谱AI和通义千问大模型 |
理解Agent基本概念
快速创建Agent
流式输出
结构化输出Json格式
多模态大模型使用
车牌号码识别(OCR)
数一数有多少人(物体侦测)
Content Blocks统一接口
文本内容
推理内容 |
| 第二天:LangChain 开发智能体 |
| 工具调用与智能体能力扩展
理解OpenAI工具调用基本原理,实现联网搜索
给智能体添加工具调用,理解Function Call和ReAct模式
Langchain内部工具使用
联网搜索
文件管理工具
http请求工具
编写自定义工具
编写汇率兑换
编写数据库工具,实现基本CRUD
编写EXCEL/CSV数据读取、转换、存储工具
给智能体添加MCP工具
理解MCP基本概念
MCP接入高德地图
12306火车票查询 |
使用短期记忆(聊天历史实现)
短期记忆CheckPoint
管理聊天历史(删除和摘要)
使用长期记忆(多轮聊天共享)
深入理解Human-in-the-loop(人类干预)
Agent发布和部署
LangGraph运行监控框架
LangSmith注册和使用
Langgraph_cli API简介
配置前端Agent-chat-ui
理解中间件
中间件基本概念
AgentMiddleware的钩子函数
使用装饰器实现中间件
自定义中间件:演示敏感词过滤 |
| 第三天:LangChain RAG增强检索 |
| 系统中间件使用
Context Editing Middleware 上下文编辑中间件
安全和控制类中间件
Model Call Limit 和 Tool Call Limit
理解Embedding嵌入基本概念
使用智谱AI和通义千问嵌入大模型
使用余弦相似度实现语义匹配
向量数据库Chroma DB
基本概念
创建和管理集合
文档添加和向量检索
理解RAG增强检索架构流程
构建向量数据库:实现华中科技大学学生手册知识库
加载本地PDF文档
文档清洗
文档拆分
构建元数据和灌库
向量数据库基本维护
召回测试
评估知识库 |
构建两步式RAG实现
实现知识库检索智能体
实用工具调用方式
实现知识库检索智能体
使用BS4
实现web网页爬虫方式创建知识库
如何评估RAG应用的质量
检索效果优化
使用BM25Retriever实现混合检索
实现重排序增强RAG检索效果
实现重问增强RAG检索效果 |
| 项目实战与最终交付 |
| 本课程采用“边学边做”的方式推进,最终学员将完成一个可运行、可演示的 AI 应用原型,具备以下典型能力:
支持主流模型统一接入
支持 Agent 工具调用与任务执行
支持短期记忆与长期记忆管理
支持企业知识库问答
支持 RAG 检索增强与效果优化
支持流程编排、监控调试与评估优化 |
最终成果可进一步延展到以下场景:
企业内部知识库
培训资料问答系统
客服智能助手
数据查询与业务助手
咨询与知识管理场景
面向业务流程的企业级智能体应用 |
常见问题
LangChain是什么?
LangChain 是一个面向大模型应用开发的框架,用来把模型、工具、数据库、知识库和业务流程连接起来,帮助开发者更高效地构建 AI 应用。
这门课和普通提示词课程有什么区别?
提示词课程更偏“如何更好地使用现成 AI 工具”,而本课程更偏“如何自己开发 AI 应用”,包括 Agent、RAG、工具调用、监控、评估和优化等完整能力。
这门课会讲Agent吗?
会。课程第二天重点围绕 Agent 智能体展开,覆盖工具调用、记忆管理、人类干预、中间件、发布部署等核心内容。
这门课会讲RAG吗?
会。课程第三天将完整讲解 RAG 增强检索,从向量数据库、知识库构建到混合检索、重排序、重问增强都会涉及。
不会Python能学吗?
本课程更适合具备一定 Python 基础的开发者。如果完全没有代码基础,建议先学习 Python 入门课程后再参加。
学完可以做企业知识库吗?
可以。课程中将完整实战知识库构建与 RAG 检索增强,学员可据此进一步延展到企业内部知识管理与问答场景。
为什么选择艾威
艾威培训成立于 2003 年,是业内领先的培训机构,拥有丰富的企业培训经验。我们长期关注企业数字化转型与技术创新趋势,为企业和个人提供前沿、实用、可落地的技术培训课程。
在 AI 与大模型应用方向,艾威培训不仅关注技术本身,更重视课程与真实工作场景的结合,帮助学员真正把知识转化为可应用的能力。
选择艾威培训,您将获得:
多年的培训经验
20多年企业培训经验,服务众多企业客户与职场学员,具备成熟的课程组织与交付能力。
实战驱动的教学方式
课程结合实际企业应用场景,强调边学边练、边学边做,帮助学员把所学内容快速迁移到真实工作中。
注重落地与应用
课程设计不止停留在知识讲解层面,而是围绕“学完能做什么、能解决什么问题”展开,更适合当下企业和技术人员的实际需求。
全面的学习支持
提供在线答疑、社群互动等学习支持,让学习不止于课堂,帮助学员在课后持续巩固与提升。
培训咨询