互联网 类型
可以朗读 语音朗读
146千字 字数
2025-05-01 发行日期
展开全部

主编推荐语

本书旨在提供一个全面、系统的LangChain学习指南。

内容简介

全书共7章，循序渐进地介绍LangChain的核心概念和使用方法。

第1章讨论人工智能、大语言模型的发展历程和应用场景，阐述LangChain框架的设计理念和优势；

第2章详细介绍如何搭建LangChain的开发环境，引导读者编写第一个LangChain程序；

第3、4章深入剖析LangChain的基础组件和领域特定语言LCEL，帮助读者掌握构建大语言模型应用的关键技能；

第5～7章通过多个实战项目，展示如何使用 LangChain构建智能问答系统、智能文档助手和知识图谱应用，将所学知识应用到实践中。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 LangChain基础知识
  • 1.1 人工智能和LLM概述
  • 1.1.1 人工智能的发展历程
  • 1.1.2 LLM的兴起
  • 1.1.3 LLM的能力和局限性
  • 1.2 LLM应用及其挑战
  • 1.2.1 LLM应用的定义和特点
  • 1.2.2 LLM应用的常见类型
  • 1.2.3 构建LLM应用面临的挑战
  • 1.3 LangChain框架简介
  • 1.3.1 LangChain的设计理念和目标
  • 1.3.2 LangChain的核心组件
  • 1.3.3 LangChain的优势
  • 1.4 LangChain的应用场景
  • 1.4.1 构建支持知识增强的LLM应用
  • 1.4.2 实现基于多轮对话的聊天机器人
  • 1.4.3 开发面向特定领域的智能助手
  • 1.4.4 集成外部工具以执行复杂任务
  • 1.5 其他LLM应用开发框架
  • 1.5.1 常见的LLM应用开发框架
  • 1.5.2 特点和局限性
  • 1.5.3 为什么选择LangChain
  • 小结
  • 思考题
  • 第2章 搭建LangChain的开发环境
  • 2.1 选择开发语言和工具
  • 2.1.1 Python简介及其在人工智能领域的应用
  • 2.1.2 常用的Python集成开发环境（IDE）
  • 2.1.3 本书选用的开发语言和工具
  • 2.2 安装LangChain及其依赖库
  • 2.2.1 使用pip安装LangChain
  • 2.2.2 LangChain的主要依赖库
  • 2.2.3 处理安装过程中的常见问题
  • 2.3 配置LangChain开发环境
  • 2.3.1 创建并激活Python虚拟环境
  • 2.3.2 在IDE中配置LangChain项目
  • 2.3.3 LangChain的配置文件和环境变量
  • 2.4 运行第一个LangChain程序
  • 2.4.1 问答程序示例的实现步骤
  • 2.4.2 运行程序并分析结果
  • 2.4.3 示例程序的代码解析
  • 2.4.4 本书的开发环境搭建
  • 2.4.5 常见错误及解决方法
  • 2.5 LangChain开发资源
  • 小结
  • 思考题
  • 第3章 LangChain的基础组件
  • 3.1 快速入门案例
  • 3.1.1 LLM链
  • 3.1.2 检索链
  • 3.1.3 对话检索链
  • 3.1.4 代理
  • 3.2 模型（Model I/O）
  • 3.2.1 简介
  • 3.2.2 提示模板
  • 3.2.3 聊天模型
  • 3.2.4 大语言模型
  • 3.2.5 输出解析器
  • 3.3 文档检索
  • 3.3.1 关键模块
  • 3.3.2 文档加载器
  • 3.3.3 文本分割器
  • 3.3.4 文本嵌入模型
  • 3.3.5 检索器
  • 3.3.6 索引
  • 3.4 代理
  • 3.4.1 核心思想
  • 3.4.2 代理类型
  • 3.4.3 工具
  • 3.4.4 案例分析
  • 3.5 链
  • 3.6 记忆
  • 3.7 回调
  • 小结
  • 思考题
  • 第4章 LangChain表达式语言
  • 4.1 快速入门案例
  • 4.2 LCEL简化LLM的开发
  • 4.3 Runnable接口
  • 4.3.1 简介
  • 4.3.2 输入输出模式
  • 4.3.3 Runnable接口的方法
  • 4.3.4 异步事件流
  • 4.3.5 异步中间步骤流
  • 4.3.6 并行执行
  • 4.4 LangChain中的流式处理
  • 4.4.1 Runnable接口与流式处理方法
  • 4.4.2 流式处理LLM和聊天模型
  • 4.4.3 构建支持流式处理的链
  • 4.4.4 处理不支持流式处理的组件
  • 4.4.5 事件过滤
  • 4.4.6 在自定义工具中传播回调
  • 4.4.7 使用RunnableParallel操作输入输出
  • 4.4.8 并行执行
  • 4.5 使用LangChain表达式语言完成常见的任务
  • 4.5.1 Prompt＋LLM
  • 4.5.2 RAG
  • 4.5.3 对话式检索链
  • 4.5.4 多链组合
  • 4.5.5 查询SQL数据库
  • 4.5.6 代理
  • 4.5.7 使用工具
  • 4.5.8 代码编写
  • 小结
  • 思考题
  • 第5章 LangChain实战：构建智能问答系统
  • 5.1 智能问答系统概述
  • 5.1.1 什么是智能问答系统
  • 5.1.2 智能问答系统的应用场景和价值
  • 5.1.3 构建智能问答系统的关键技术和挑战
  • 5.2 基于LangChain的问答系统架构
  • 5.2.1 问答系统的整体架构和流程
  • 5.2.2 LangChain在问答系统中的角色和优势
  • 5.2.3 问答系统的核心组件和功能
  • 5.3 数据准备和预处理
  • 5.3.1 构建知识库的数据来源和格式
  • 5.3.2 使用LangChain的Document Loader加载数据
  • 5.3.3 使用LangChain的Text Splitter分割文本
  • 5.4 构建知识库索引
  • 5.4.1 什么是向量数据库和嵌入
  • 5.4.2 使用LangChain的Embedding类创建嵌入
  • 5.4.3 使用LangChain的Vector Store类创建向量数据库
  • 5.5 实现问答流程
  • 5.5.1 问题理解和分析
  • 5.5.2 知识检索和答案生成
  • 5.5.3 答案过滤和排序
  • 5.6 优化和改进问答系统
  • 5.6.1 引入反馈机制和交互设计
  • 5.6.2 持续学习和知识更新
  • 5.6.3 扩展问答系统的功能和应用
  • 小结
  • 思考题
  • 第6章 LangChain实战：构建智能文档助手
  • 6.1 智能文档助手概述
  • 6.1.1 什么是智能文档助手
  • 6.1.2 智能文档助手的应用场景和价值
  • 6.1.3 构建智能文档助手的关键技术和挑战
  • 6.2 基于LangChain的文档助手架构
  • 6.2.1 文档助手架构和流程
  • 6.2.2 LangChain在文档助手中的优势
  • 6.2.3 文档助手的核心功能模块
  • 6.3 文档数据的处理与分析
  • 6.3.1 支持的文档格式和数据源
  • 6.3.2 使用LangChain的Document Loader加载文档
  • 6.3.3 文档结构分析和元数据提取
  • 6.3.4 文档内容的清洗和预处理
  • 6.4 文档语义理解和信息抽取
  • 6.4.1 文档主题和关键词提取
  • 6.4.2 命名实体识别和关系抽取
  • 6.4.3 文档摘要和重点句提取
  • 6.4.4 使用LangChain的LLM类实现语义理解
  • 6.5 基于文档的问答和对话
  • 6.5.1 将文档分割为知识片段
  • 6.5.2 使用LangChain的Retriever类检索知识
  • 6.5.3 使用LangChain的LLM类生成答案
  • 6.5.4 支持多轮对话和上下文理解
  • 6.6 文档助手的智能服务
  • 6.6.1 文档智能检索和推荐
  • 6.6.2 文档自动分类和聚类
  • 6.6.3 文档知识图谱构建与可视化
  • 6.6.4 文档智能问答
  • 小结
  • 思考题
  • 第7章 LangChain实战：构建知识图谱应用
  • 7.1 知识图谱技术概述
  • 7.1.1 什么是知识图谱
  • 7.1.2 构建知识图谱的关键技术
  • 7.2 基于LangChain的知识图谱构建流程
  • 7.2.1 知识图谱构建的整体流程
  • 7.2.2 LangChain在知识图谱构建中的作用
  • 7.2.3 知识图谱构建的核心步骤和组件
  • 7.3 知识抽取和实体识别
  • 7.3.1 使用LangChain的命名实体识别组件
  • 7.3.2 使用LangChain的关系抽取组件
  • 7.3.3 基于规则和few-shot的知识抽取
  • 7.3.4 基于机器学习的知识抽取方法
  • 7.4 知识融合和本体构建
  • 7.4.1 实体链接和消歧
  • 7.4.2 知识去重和冲突消解
  • 7.4.3 本体构建与知识组织
  • 7.4.4 使用LangChain的Agents实现知识融合
  • 7.5 知识存储和查询
  • 7.5.1 知识图谱的存储方式和数据库选择
  • 7.5.2 知识图谱的查询语言和接口
  • 7.5.3 使用LangChain的GraphQL接口查询知识图谱
  • 7.5.4 基于自然语言的知识图谱查询
  • 小结
  • 思考题
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。