LangChain 这门课不太适合「先囤着以后再看」的心态。它的知识密度集中在几个具体的卡点上：Prompt 怎么组织才不失控、检索增强到底该接在哪一步、多轮对话的状态往哪存、工具调用的返回值怎么回灌给模型。如果你只是听说过这些词，或者照着别人的示例跑通过一个问答 Demo，但换一个业务场景就不知道从哪里下手，那这门课要补的正是这段缺口。

先确认自己缺的是哪一块

学 LangChain 的人大致分三类，缺的东西并不一样。第一类是 Python 底子可以，但没写过大模型应用，看到 API Key、超时、并发、流式输出这些就发懵，这类人补的是工程链路。第二类是已经用原生 SDK 调过模型，写了几百行自己拼的字符串和 if-else，想知道框架到底值不值得换，这类人补的是抽象层级——什么该交给框架，什么留在自己手里更清楚。第三类是做过后端或数据方向，想从「调通接口」走到「能上一个小场景」，缺的是检索、切分、记忆这几块拼图怎么咬合。

三门课硬凑在一起看不会更快。先定位你在哪一类，再决定哪些章节快过、哪些要停下来自己敲一遍。

重点不在 API，在串联方式

LangChain 本身并不难在单个接口。模型调用、模板、输出解析器，这些翻文档半小时就能上手。真正让人绕的是它们之间的连接：提示模板怎么跟变量绑定，解析器输出的结构不对时怎么兜底，链式调用出错时异常抛在哪一层。课程里把大模型应用拆成若干可复用的环节，你要留意的是每一步的输入输出契约，而不是记住某个类的构造参数。

另外提醒一句，LangChain 版本迭代快，2026 版对早期写法做了不少调整。看的时候留意课上用的写法跟你手头环境是否一致，遇到对不上的地方，优先以官方当前文档为准，别硬套旧例。

检索增强这块要动手，别只看

RAG 是多数人学 LangChain 的真实目的，也是翻车最多的地方。文档切分粒度、向量库选择、召回条数、相似度阈值、引用怎么带回来——这些参数课上有默认值，但默认值放到你自己的语料上通常不好使。建议准备一份自己熟悉的材料，比如某产品的说明书或某份规范文档，跟着做一遍，然后再改参数看效果怎么变。只看不动手，这部分等于没学。

配套练习可以按这个梯度来：先把文档灌进去能问答；再要求答案必须带出处；然后故意问一个语料里没有的问题，看它会不会硬编；最后加一轮追问，看上下文有没有丢。四步走完，RAG 的主干基本就通了。

看完应该能回答这些问题

手上有一个具体业务场景，能不能判断它适不适合用大模型做，而不是硬套一个聊天框？
Prompt 模板里的变量从哪来、解析失败时怎么处理，能不能说清楚？
检索召回的段落不相关时，你打算从切分、嵌入模型还是召回策略哪一层排查？
多轮对话的历史是塞回提示里还是存外部，各自的代价是什么？
要接一个外部工具或接口给模型用，参数格式和返回结构你打算怎么定义？

这些问题答不上来的，就是接下来该重点看的地方。答得上的，可以跳过对应章节直接做题。

一点使用提醒

课程的示例偏演示性质，跑通不等于能上线。真实项目里还要考虑成本、延迟、失败重试、日志和评测，这些框架帮不了你太多。看课的时候可以把「这段代码换成生产环境会怎样」当成固定问题问自己，收获会比顺着视频敲一遍大得多。学的时候手边开着编辑器，一个章节结束就自己复现一遍，比连续刷完再回头补有效。

尚硅谷 LangChain从入门到实战（2026版）

深入探索LangChain应用实战

编辑点评

LangChain实战课程，全面解析大模型应用，适合AI开发者和研究者。

⭐ 编辑推荐

本课程深入解析LangChain，从入门到实战，带你掌握大模型应用开发。

课程亮点

• LangChain实战解析

• 大模型应用开发

• AI技术深度学习

课程目录

尚硅谷-LangChain从入门到实战（2026版）必看.png  [493.5 KB]
007-Conda的安装及虚拟环境的配置.mp4  [142.8 MB]
033-工具的调用方式与整体执行流程分析.mp4  [174.7 MB]
042-Pydantic的基本使用.mp4  [76.7 MB]
100-在工具中访问长期记忆（基于PostgresStore）.mp4  [47.9 MB]
041-结构化输出的理解.mp4  [37.3 MB]
070-ToolCallLimitMiddleware中间件的使用.mp4  [76.4 MB]
063-Agent的实战：多功能智能助手.mp4  [171.9 MB]
013-调用智谱和阿里云百炼平台的大模型.mp4  [106.9 MB]
021-流式调用、批量调用与异步调用.mp4  [215.9 MB]
116-Milvus数据库的DML和DQL操作.mp4  [183.4 MB]
092-短期记忆之PostgreSQL实现持久化存储.mp4  [66.7 MB]
004-LangChain是什么.mp4  [126.8 MB]
103-RAG工作流程和环境准备.mp4  [83.1 MB]
119-项目Assistant客服知识库之初始化Agent_检索函数.mp4  [45.8 MB]
.mp4  [201.9 MB]
030-ChatPromptTemplate的两种实例化方式和三种调用方式.mp4  [212.3 MB]
060-ToolStrategy的tool_message_content参数使用.mp4  [63.9 MB]
012-调用DeepSeek官网的DeepSeek模型.mp4  [143.2 MB]
076-ContextEditingMiddleware中间件的使用.mp4  [65.8 MB]
106-PyPDFLoader和MinerU加载pdf文件.mp4  [81.6 MB]
109-CharacterTextSplitter的使用.mp4  [76.7 MB]
101-在中间件中访问长期记忆.mp4  [45.4 MB]
077-FilesystemFileSearchMiddleware中间件的使用.mp4  [25.0 MB]
008-大模型应用场景1：Agent开发.mp4  [87.7 MB]
072-LLMToolSelectorMiddleware中间件的使用.mp4  [57.3 MB]
059-ToolStrategy的schema设置结构化输出-其它几种方式.mp4  [246.6 MB]
117-项目Assistant客服知识库之全局配置_初始化Milvus.mp4  [83.7 MB]
090-PostgreSQL数据库的安装.mp4  [58.5 MB]
.mp4  [18.8 MB]
019-测试invoke传递三种不同的参数类型.mp4  [202.0 MB]
088-基于内存存储的工作原理和常见问题.mp4  [53.6 MB]
118-项目Assistant客服知识库之文档切分_向量化并写入Milvus.mp4  [170.7 MB]
108-切分策略及TextSplitter中的三个核心方法.mp4  [112.8 MB]
015-使用OpenRouter和CloseAI中转平台调用模型.mp4  [182.6 MB]
027-对话历史的管理和优化.mp4  [99.2 MB]
018-Ollama的安装与本地模型的调用.mp4  [124.1 MB]
003-大模型相关岗位介绍.mp4  [48.0 MB]
016-LangChain1.x中init_chat_model方式.mp4  [209.2 MB]
.mp4  [112.8 MB]
094-消息裁剪的治理策略.mp4  [137.8 MB]
017-模型初始化常用的参数.mp4  [116.4 MB]
082-装饰器参数can_jump_to的使用.mp4  [206.9 MB]
084-wrap_tool_call的实现和使用场景.mp4  [118.1 MB]
.mp4  [116.6 MB]
054-Agent绑定工具并调用.mp4  [213.2 MB]
050-两种获取结构化结果的方式.mp4  [125.2 MB]
032-部分变量预填充_消息占位符等的使用.mp4  [171.5 MB]
010-大模型开发的4个递进场景.mp4  [40.0 MB]
009-大模型的应用场景2：Agent开发.mp4  [51.6 MB]
053-Agent通过invoke()方式调用.mp4  [58.1 MB]
031-ChatPromptTemplate初始化的6种参数类型.mp4  [136.1 MB]
073-ToolRetryMiddleware中间件的使用.mp4  [119.9 MB]
014-ChatOpenAI兼容用法.mp4  [105.7 MB]
102-RAG模块的必要性.mp4  [81.2 MB]
055-工具调用流程分析_常见问题分析.mp4  [118.8 MB]
029-content和content_blocks的使用.mp4  [148.9 MB]
095-消息删除、摘要的治理策略.mp4  [203.5 MB]
086-记忆的概念和记忆的分类.mp4  [150.5 MB]
024-LangSmith的主要功能介绍.mp4  [19.9 MB]
067-PIIMiddleware中间件的使用.mp4  [138.4 MB]
020-invoke的返回值的详细说明.mp4  [119.7 MB]
096-长期记忆的介绍和存储架构.mp4  [61.2 MB]
023-LangSmith的介绍与基本使用.mp4  [80.4 MB]
046-TypedDict格式的使用.mp4  [134.3 MB]
057-agent结构化输出的4种策略.mp4  [183.1 MB]
069-ModelCallLimitMiddleware中间件的使用.mp4  [121.1 MB]
051-Agent的概述.mp4  [61.6 MB]
083-wrap_model_call的实现和使用场景.mp4  [121.4 MB]
107-其它格式文件的加载器.mp4  [65.1 MB]
120-项目Assistant客服知识库之生产与回答生成.mp4  [132.1 MB]
002-为什么需要LangChain.mp4  [113.4 MB]
114-Milvus的安装和数据模型说明.mp4  [53.8 MB]
026-4种消息对象中字段的说明.mp4  [156.7 MB]
089-腾讯云部署Linux服务器.mp4  [65.1 MB]
078-多个中间件组合及执行顺序.mp4  [34.5 MB]
001-课程介绍.mp4  [64.1 MB]
093-对比两种方式的不同.mp4  [86.4 MB]
075-LLMToolEmulator中间件的使用.mp4  [13.7 MB]
113-向量数据库介绍_docker的安装和设置.mp4  [78.5 MB]
085-装饰器和类方式的选择_hook函数执行顺序.mp4  [99.9 MB]
038-案例3和4：多工具的调用.mp4  [131.2 MB]
028-案例：多轮对话聊天机器人.mp4  [102.2 MB]
098-search()操作的演示.mp4  [154.5 MB]
066-HumanInTheLoopMiddleware中间件的使用.mp4  [269.3 MB]
061-Agent的高级用法：错误处理机制.mp4  [341.1 MB]
043-Pydantic高级特性：可选字段、默认值、枚举类型.mp4  [140.3 MB]
006-LangChain家族四大支柱.mp4  [79.6 MB]
079-Hook函数的理解.mp4  [54.2 MB]
045-Pydantic模式的工作流程图解.mp4  [20.6 MB]
104-TextLoader和CSVLoader的使用.mp4  [67.4 MB]
074-ModelRetryMiddleware中间件的使用.mp4  [20.7 MB]
005-LangChain的主要模块和API文档.mp4  [74.6 MB]
039-tool_choice参数的使用.mp4  [117.7 MB]
112-嵌入模型的初始化及文档向量化举例.mp4  [134.8 MB]
099-在工具中访问长期记忆（基于InMemoryStore）.mp4  [130.9 MB]
087-短期记忆之基于内存的持久化器的实现.mp4  [160.7 MB]
091-远程服务器连接额外操作.mp4  [66.1 MB]
022-profile属性_初始化model_kwargs与extra_body参数_调用的config参数.mp4  [321.8 MB]
052-Agent实例化中模型的两种传入方式.mp4  [63.9 MB]