这门课的定位很直接：给已经会写 Python、但还没把大模型真正接进业务系统的人补上中间那段。你大概已经调过 API、拼过几次 prompt，也听说过 LangChain，但真要动手做一个能上线的东西时，会卡在几个具体的地方——上下文怎么管、历史对话怎么存、检索出来的内容怎么塞回提示词、多个 Agent 之间怎么分工而不是互相打架。课程就是围绕这些卡点展开的。

先确认自己缺的是哪一块

如果你的状态是「能跑通 demo，但一换需求就不知道从哪改」，那大概率缺的不是模型知识，而是工程结构。LangChain 的价值不在帮你调模型，而在于把模型调用、提示词模板、记忆、检索、工具调用这些环节拆成可替换的组件。这门课涉及的几个层面，你可以对照着看自己缺哪个：

提示词部分：不只是写一句好的指令，而是对话形式下的提示词组织，多轮里角色、历史、系统约束怎么排布。
记忆与上下文：会话历史存在哪、怎么截断、怎么与当前问题一起送进去。
检索增强：用 ChromaDB 这类向量库做问题匹配，把相关资料召回后提高回答准确率，而不是让模型凭空编。
多智能体协作：多个角色（比如销售、产品、客服）如何各管一段、如何把结果汇总成一次完整应答。
模型选择：除了调云端接口，也涉及本地开源模型的接入，比如 ChatGLM3 这类可离线部署的方案。

从单链到多智能体，中间隔着不少活

很多人对「多智能体」的理解停留在几个角色互相聊天。实际做下来，难点在于职责边界和状态传递：谁负责理解用户意图，谁负责查资料，谁负责写最终回复，以及某个环节失败时怎么回退。课程里拿 AI 销售助手这个场景来串，正因为它同时压到了意图识别、商品或话术知识检索、多轮追问和最终成单话术生成，是检验协作设计是否合理的合适载体。你在学的时候，重点不该是记住某个角色的提示词，而是看清整套流程里信息是怎么流转、在哪一步被压缩或丢失的。

看完应该能回答的问题

用来检验自己有没有真的吸收，下面这些问题如果都能说清楚，说明这段内容没白看；说不清的地方，就是需要回去重看的位置。

一段多轮对话，历史记录用什么结构保存，什么时候截断、依据什么截断？
向量检索召回的片段质量不高时，是调提示词、调切分方式，还是换召回策略？先动哪个？
多个 Agent 协作时，怎么避免两个角色给出互相矛盾的回答？
本地模型和云端模型在同一条链里切换，哪些代码需要改、哪些不用？
如果回答准确率不达标，你打算从数据、检索、提示词、模型四个方向里先排查哪个，为什么？

配套练习建议

资料里的内容适合边看边改，不建议只看不写。可以按这个顺序自己加练：先把一个单轮问答改成带记忆的多轮；再接入向量库，让它基于你自己准备的一小份文档回答，观察召回不准时回答怎么崩；最后拆出两个角色，让一个负责检索、一个负责成文，比较拆与不拆的差别。每一步都留一版能跑的代码，出问题时才有对照。真要转岗或上手项目，面试里问的往往就是上面这些取舍，而不是你会不会调用某个接口。

LangChain 大模型 AI 应用与多智能体实战开发

LangChain实战，多智能体协作

编辑点评

深入探索LangChain大模型应用，涵盖多智能体协作与AI销售助手架构，适合AI开发者提升实战能力。

⭐ 编辑推荐

掌握LangChain，实战多智能体协作，打造前沿AI应用。

课程亮点

• LangChain大模型应用

• 多智能体协作

• AI销售助手架构

课程目录

全新Langchain大模型AI应用与多智能体实战开发文档.png  [493.5 KB]
45_03-赛力斯问界汽车知识库问答链搭建.mp4  [42.4 MB]
16_16-如何自定义大模型的输出解析器.mp4  [31.9 MB]
17_17-RAG数据检索增强.mp4  [41.3 MB]
47_01-Langgraph多智体协作框架1~1.mp4  [133.9 MB]
52_06-多智能体扮演明星玩综艺~1.mp4  [158.0 MB]
33_33-JSON链式智能体任务执行~2.mp4  [55.3 MB]
25_25-大模型路由映射传递数据.mp4  [80.0 MB]
10_10-提示词里模板中的模板解决复杂的聊天对话.mp4  [51.1 MB]
22_22-知识库文档生成多向量检索器实现精准检索.mp4  [96.2 MB]
30_30-智能体原理2~1.mp4  [56.6 MB]
35_35-从零使用Langchain搭建适应不同大模型智能体.mp4  [129.5 MB]
21_21-分割markdown_代码源码提炼知识库文档.mp4  [50.4 MB]
4_04-Langchain调用本地开源大模型ChatGLM3.mp4  [55.1 MB]
40_40-AI调用Shell接管控制电脑.mp4  [89.4 MB]
32_32-XML链式执行任务智能体搭建~2.mp4  [48.4 MB]
13_13-解析输出csv_时间_枚举内容.mp4  [45.4 MB]
Langchain大模型AI应用实战开发-资料.zip  [58.7 GB]
8_08-ChromaDB向量数据库进行问题思路匹配提高回答准确率.mp4  [87.0 MB]
39_39-AI大模型获取前沿论文知识.mp4  [53.5 MB]
43_01-具有知识库的上下文感知AI销售助手架构.mp4  [23.5 MB]
9_09-对话形式提示词工程.mp4  [47.3 MB]
1_01-认识Langchain.mp4  [79.1 MB]
49_03-循环图与多图协作处理系统复杂任务1.mp4  [98.2 MB]
29_29-给智能体添加记忆能力-1~1.mp4  [37.5 MB]
44_02-引导销售链与销售智能体实现.mp4  [65.1 MB]
19_19-处理解析PDF文档为知识库.mp4  [36.7 MB]
26_26-自定义链式配置的多种方式.mp4  [103.0 MB]
48_02-Langgraph多分支处多任务并行处理.mp4  [70.8 MB]
24_24-大模型并行控制复杂流程.mp4  [72.9 MB]
2_02-chain的基本结构_提示_模型_输出解析器_20240510232150.pptx  [490.3 KB]
14_14-Langchain输出JSON格式和修复大模型错误输出.mp4  [56.7 MB]
27_27-自定义流式生成器函数.mp4  [37.6 MB]
11_11-Langchain管道提示词模板应用.mp4  [29.7 MB]
18_18-加载知识库文档与检索算法设置.mp4  [90.5 MB]
42_42-duckduckgo免费搜索引擎API应用1.mp4  [38.2 MB]
15_15-langchain解析大模型XML输出格式.mp4  [25.6 MB]
2_02-chain的基本结构_提示_模型_输出解析器.mp4  [50.7 MB]
23_23-让大模型生成检索语句进行精确查找.mp4  [45.1 MB]
34_34-ReAct智能体搭建思路1~1.mp4  [26.2 MB]
50_04-让智能体做GPT4都做不了的事情-讲段子Joke.mp4  [120.9 MB]
46_04-多链分工合作协作实现AI销售助手1.mp4  [121.2 MB]
20_20-HTML文本分割提炼网页知识点.mp4  [41.6 MB]
7_07-不同案例选择器应用_长度选择器_相似度选择器_重叠选择器.mp4  [98.3 MB]
41_41-AI根据问题生成代码并自主运行计算.mp4  [33.9 MB]
38_38-控制智能体限制执行.mp4  [22.6 MB]
3_03-langchain接入国内最强大模型chatglm4.mp4  [105.5 MB]
36_36-自定义智能体记忆链创建.mp4  [33.9 MB]
5_05-Langchain接入开源大模型的类openai服务器.mp4  [50.4 MB]
31_31-OpenAI智能体调用源码解析~2.mp4  [84.6 MB]
37_37-自主搭建超级搜索引擎Searxng服务器作为借口.mp4  [65.6 MB]
51_05-灵活应用工具的LangGraph智能体.mp4  [151.6 MB]
12_12-Langchain缓存加速应用响应.mp4  [39.9 MB]
6_06-Langchain提示词模块与历史对话.mp4  [64.6 MB]
28_28-搭建第一个AI智能体.mp4  [86.1 MB]