随着 LangChain 迈入 V1.0 阶段，大模型应用开发的框架能力不断增强，但与此同时，其整体复杂度也显著提升。对于初学者而言，如何在理解核心概念的同时，快速搭建并持续迭代一个可落地的大模型应用，仍然是一个不小的挑战。
本项目正是在这一背景下推出的一门面向实践的大语言模型应用开发基础课程。课程以“能跑起来、能改下去”为目标，从最基础的模型调用与交互界面构建出发，逐步引入 RAG、Agent 以及工程化组织方式，帮助学习者建立完整的大模型应用开发认知。
本课程由 机智流 SmartFlow 社区 与 百度飞桨星河社区 联合共建，依托百度飞桨星河社区提供的平台环境、算力资源与大模型 API 支持，力求为初学者提供一套低门槛、可实践、可复用的大模型应用开发学习方案。
- ✅ 清晰完整的学习路线：从基础模型调用出发，逐步覆盖 RAG、Agent、多智能体系统以及评估与部署等核心环节
- ✅ 对初学者友好：全中文讲解，配套 Notebook 示例，按步骤拆解每一个关键概念与实现细节
- ✅ 工程化视角：强调代码可复现、流程可调试、结构可扩展，避免“只会跑 Demo”
- ✅ 贴近真实应用场景：围绕 LangChain、Gradio、LangGraph、LangSmith 等主流工具展开完整实战
| 章节 | 关键内容 | 状态 |
|---|---|---|
| 1. 大语言模型应用基础 | 环境配置、模型调用、提示词基础 | ✅ |
| 2. 智能交互界面开发实战（Gradio） | Interface、Blocks、辅助组件 | ✅ |
| 3. 大模型开发框架（LangChain）的核心组件与运行机制 | Prompt、LCEL、记忆与输出解析 | ✅ |
| 4. 检索增强搜索（RAG）应用实战 | 文档载入、切分、向量库与检索 | ✅ |
| 5. 智能体系统设计与应用实践 | ReAct、Agent 输出、部署与可视化 | ✅ |
| 6. 智能体中间件与流程控制实战 | 中间件、记忆管理与安全防护 | ✅ |
| 7. 智能体工具能力进阶 | RAG/SQL/Search/MCP 工具实战 | ✅ |
| 8. 多智能体系统构建 | Subagents、Handoffs、Skills、Router | ✅ |
| 9. 大模型系统的测试、评估与部署 | 回调、跟踪、评估与自动化测试 | ✅ |
本课程并不以“看完”为目标，而是强调通过动手实践逐步构建完整的大模型应用系统。
建议严格按照章节顺序学习，每一章都配合 Notebook 实际运行与修改，形成：
理解概念 → 跑通示例 → 主动改造 → 迁移复用 的学习闭环。
下面给出一条与仓库结构一一对应的推荐学习路径。
📌 重要提示：本课程不建议跳章学习。后续章节将默认你已经理解并运行过前置模块中的示例代码。
这一阶段的目标是：让应用真正跑起来，而不是停留在概念层面。
-
第 1 章｜大语言模型应用基础
从 system / user / assistant 的角色体系与提示词关注点切入，完成运行环境配置与模型 API 调用。
你将亲手搭建一个“最小可运行”的 LLM 应用骨架，理解参数、上下文与响应结构的基本含义。 -
第 2 章｜智能交互界面开发实战（Gradio）
在模型能力之上，引入 Gradio 的 Interface、ChatInterface、TabbedInterface 与 Blocks，
学习如何构建可交互的 Web 界面，并掌握输入输出组件、页面布局、弹窗、进度条与状态管理等实用能力。
✅ 学完这一阶段，你应该能够：
独立搭建一个可交互的大模型 Demo，并清楚每一行代码的作用。
这一阶段关注的是：为什么要用 LangChain，以及它解决了什么工程问题。
-
第 3 章｜LangChain 的核心组件与运行机制
系统学习 Prompt、LCEL 链式表达、Runnable 运行模型、对话记忆与输出解析机制，
建立对 LangChain 内部数据流与执行逻辑的整体认知。 -
第 4 章｜RAG 检索增强生成应用实战
从真实应用场景出发，完成文档加载、文本切分、向量化、向量库构建与检索生成流程，
理解 RAG 在工程中的价值、局限与设计取舍。
✅ 学完这一阶段，你应当能够：
看懂并设计一个完整的 RAG 应用流程，而不是只会调用示例代码。
这一阶段是课程的核心分水岭，重点在于系统设计能力。
-
第 5 章｜智能体系统设计与应用实践
从 ReAct 等经典范式入手，学习 Agent 的规划、工具调用与输出控制方式，
并完成从单一 Agent 到可部署应用的完整实践。 -
第 6 章｜智能体中间件与流程控制实战
深入工程层面，引入中间件体系（before / after）、限流、重试、降级、记忆管理与安全防护，
解决真实场景中“不稳定、不可控、不可复现”的问题。
✅ 学完这一阶段，你应该具备：
设计可控、可调试、可扩展智能体系统的工程能力。
这一阶段强调系统组合与协作能力。
-
第 7 章｜智能体工具能力进阶
将 RAG、SQL、Search、MCP 等能力封装为工具型 Agent，
学习如何设计职责清晰、可复用的工具体系。 -
第 8 章｜多智能体系统构建
系统实践 Subagents、Handoffs、Skills 与 Router 等协作范式，
构建具备任务拆解与协作能力的多智能体系统。
✅ 学完这一阶段，你将能够：
设计“不止一个 Agent”的完整智能体系统，而不是单点 Demo。
- 第 9 章｜大模型系统的测试、评估与部署
通过 Callback 体系、LangSmith 跟踪、评估流程与自动化测试，
建立从开发到上线的完整质量保障与可观测闭环。
✅ 这一阶段帮助你完成：
从“能跑”到“敢上线”的关键一步。
- 配套课程视频完整上线
- 增加习题练习部分内容
- 补充 LangGraph 部分内容
- 补充大模型微调与部署实战
- 各类实际项目分享
📌 课程配套视频将陆续在 百度飞桨星河社区 / AI Studio 平台发布， 推荐结合视频讲解与仓库代码同步学习，以获得最佳学习效果。
# 1) 克隆仓库
git clone git@github.com:SmartFlowAI/langchain_material_for_baidu_ai-studio.git
cd langchain_material_for_baidu_ai-studio
# 2) 创建环境
conda create -n langchain_course python=3.12 -y
conda activate langchain_course
pip install -r requirements.txt
# 或直接通过 environment.yml 进行安装
# conda env create -f environment.yml
# 3) 激活环境
conda activate langchain_course.
├── environment.yml
├── requirements.txt
├── README.md
├── images/
│
├── 1.大语言模型应用基础/
├── 2.智能交互界面开发实战（Gradio）/
├── 3.大模型开发框架（LangChain）的核心组件与运行机制/
├── 4.检索增强搜索（RAG）应用实战/
├── 5.智能体系统设计与应用实践/
├── 6.智能体中间件与流程控制实战/
├── 7.智能体工具能力进阶/
├── 8.多智能体系统构建/
└── 9.大模型系统的测试、评估与部署/
欢迎提交 Issue / PR / 建议。建议流程：
- Fork 本仓库并创建分支：
feat/xxx或fix/xxx - 保持目录结构与命名一致，示例需可运行
- 提交 PR 并说明修改内容与动机
本项目基于 MIT License 开源，详见 LICENSE。
感谢以下团队与社区对本项目的支持：
- 机智流
- 百度飞桨星河社区（AI Studio）
- LangChain 团队
如有问题或建议，欢迎通过以下方式联系：
- 提交 GitHub Issues
- 邮箱：763915794@qq.com
最后更新：2026-01-10
持续更新中…