langChain 大模型开发知识汇总
1.知识体系庞杂
2.更新速度快
3.官方文档不全
langChain知识体系:
1.langChain概述
2.langChain model io
3.langChain Chains
4.langChain memory
5.langChain tools
6.langChain agents
7.langChain retrieval
1.langChain概述
1.1 2025.9.12
python langChain 115.3k stars
python llamaindex 44.2k
java langchain4j 9k
c# semantickernel 26.1k
2022.10 由哈佛大学的开源框架，用于开发由大语言模型驱动的应用程序
类似于spring之于java
类似于django,flask之于pytho
1.2大模型相关岗位：
应用层：大模型工程化工程师（前端，后端）智能客服，AI翻译，AI问答，智慧交通，下线诊疗，文生图，
应用大模型层:制造大模型，医疗大模型，金融大模型，电商大模型，图像模型，文本模型，视频模型，大模型应用开发工程师
通用大模型层：文心一言，千问，豆包，大模型基座开发工程师
数据层：海量数据，数据开发工程师
算力资源层：大模型运维，infra工程师
1.3 为什么需要langchain
- langchain架构设计：0.1，0.2，0.3版本
langchain,langgraph,langsmith,langserve
langchain plat
langchain community
langchain core
model/io,rag,agent tool,
1.5.开发前的准备工作
1.python:变量，函数，类，装饰器，上下文管理器
1.6 RAG开发
大模型知识冻结：2024.2--2025.2
大模型幻觉：缺乏精确语料，胡说八道
检索增强生成
1.7.agent开发
- langChain model io
输入模板
调用大模型
输出解释器
2.1 模型调用的分类：
非对话模型：LLMS,TEXT MODEL
对话模型：chat models （推荐）
嵌入模型：Embedding models
2.2 按参数书写的位置不同：
api-key,base-url,model-name
硬编码
使用环境变量
使用配置文件（推荐）
2.3 具体api的调用：
使用langchain提供的api （推荐）
使用openapi官方的api
使用其他平台的api
总结：使用谁家的api,使用什么样的调用方式，使用谁家的模型
3.langChain Chains
4.langChain memory
5.langChain tools
6.langChain agents
7.langChain retrieval