本书系统讲解如何基于LangChain构建企业级大语言模型应用。以LangChain 0.2为核心，结合OpenAI与开源模型，涵盖Prompt设计、Agent开发、LangServe部署及LangSmith调优等全流程，深入解析LangChain技术生态。 本书共13章。第1-3章介绍LLM基础、LangChain入门及核心模块（如Prompt模板、LCEL等）；第4-7章通过企业文档平台、旅游客服、AI编程助手等案例，整合Agent、LangGraph等技术；第8章和第9章详解LangSmith监控调优与LangServe部署实战（含阿里云案例）；第10-13章拓展生态展望（如AutoGen）、剖析商业案例，并专题解析国产DeepSeek模型及其与LangChain结合的开发实践。 本书适合高等院校计算机、人工智能等相关专业的学生阅读，以及对大语言模型应用、HuggingFace、LangChain技术感兴趣的研究人员和互联网研发工程师阅读参考。

第1章 拥抱大语言模型
1.1 大语言模型简介
1.1.1 大语言模型的定义
1.1.2 大语言模型的发展和应用场景
1.2 主流的大语言模型
1.2.1 OpenAI的大语言模型
1.2.2 Meta的Llama模型
1.2.3 Claude大语言模型
1.2.4 国内自研大语言模型：ChatGLM、MOSS和文心一言
1.3 大语言模型的开发工具LangChain
第2章 LangChain初体验
2.1 LangChain介绍和安装
2.1.1 什么是LangChain
2.1.2 环境搭建
2.1.3 LangChain的应用场景
2.2 小试牛刀：开发一个AI文章生成工具
2.2.1 初始化项目和配置
2.2.2 编写标题生成服务
2.2.3 编写文章生成服务
2.2.4 多链合并
2.3 LLM开发的工作原理和标准流程
第3章 LangChain基础模块
3.1 LangChain的核心概念
3.2 输入和输出组件
3.2.1 Prompt模板能力
3.2.2 ChatModel模块
3.2.3 自定义Chat Model
3.2.4 LLM模块的选择
3.2.5 输出解析器和自定义输出解析器
3.3 LCEL
3.3.1 管道操作
3.3.2 绑定参数的使用
3.3.3 invoke函数
3.3.4 stream函数
3.3.5 batch函数
3.4 Memory模块
3.5 基于输入的动态逻辑路由
3.5.1 RunnableLambda
3.5.2 RunnableBranch
3.6 检索
3.6.1 文档加载器
3.6.2 文本分割器
3.6.3 词嵌入模型
3.6.4 向量数据库
3.6.5 检索器
3.6.6 索引
第4章 企业文档智能平台实战
4.1 智能文档的架构设计和功能规划
4.2 文档加载和预处理
4.3 Embedding过程
4.4 vectorstore的选择
4.5 问答式检索器：QARetriever
4.6 自查询检索器：SelfQueryRetriever
4.7 多向量检索器：MultiVectorRetriever
4.8 多轮对话能力
4.9 优化会话内存管理
4.10 优化上下文和检索
第5章 旅游业AI客服实战
5.1 旅游服务的“痛点”
5.2 AI客服架构设计
5.3 Agent模块
5.3.1 Agent的基本概念
5.3.2 Agent的常用类型和实际使用场景
5.3.3 Agent Tools的使用
5.3.4 Agent和OpenAI整合
5.4 接入第三方天气API
5.5 第三方酒店预订API整合
5.6 LangGraph的使用
5.7 UI整合
5.8 本章小结
第6章 开发者AI Assistant实战
6.1 开发者的开发流程和新需求
6.1.1 瀑布流开发
6.1.2 Scrum开发
6.2 技术选型和架构设计
6.2.1 插件开发初体验
6.2.2 调试、编译和安装插件
6.3 常用Git操作的封装
6.3.1 自动生成注释
6.3.2 提交信息智能生成
6.3.3 智能rebase多次提交
6.4 基于代码仓库的智能问答和检索
6.4.1 加载文档
6.4.2 切分代码块
6.4.3 词嵌入和向量存储
6.4.4 问答功能
6.5 AI生成代码注释
6.6 文档生成
6.7 基于业务代码生成单元测试
6.8 代码漏洞检测和性能优化
第7章 AI代码审核实战
7.1 代码审核的重要性
7.2 AI如何进行代码审核和接入工作流
7.3 架构设计和场景设计
7.4 最佳实践预学习
7.5 介入合并冲突
7.6 客户端侧实现AI审核
7.7 Webhook实现AI代码审核
7.8 Pull Request驳回和通过的处理
7.9 生成代码质量报告
7.10 集成SonarQube
第8章 LangSmith实战
8.1 什么是LangSmith
8.1.1 LangSmith的基本概念
8.1.2 LangSmith的核心功能模块
8.1.3 自定义追踪设置
8.1.4 性能调优
8.2 离线方式评估LLM应用性能
8.3 CI交互式评估LLM应用性能
8.4 线上方式评估LLM应用性能
第9章 LangChain应用的部署实战
9.1 Docker方式部署
9.2 LangServe部署LLM应用
9.3 LangChain CLI
9.4 LangChain Templates的应用
9.5 案例：LangChain-Chatchat部署LLM应用
第10章 LangChain的生态和未来
10.1 LangChain生态现状
10.2 LangChain Hub
10.3 其他LLM开发框架：AutoGen
10.4 对LangChain的展望
第11章 AI商业创新
11.1 OpenAI的商业之路和创新
11.2 案例分析：Devv.ai
11.3 案例分析：MarsCode
第12章 国产之光：DeepSeek模型
12.1 后起之秀DeepSeek
12.2 DeepSeek模型系列
12.3 DeepSeek-R1模型
12.4 DeepSeek本地部署
12.4.1 Ollama方式部署
12.4.2 UI方案一：Open WebUI
12.4.3 UI方案二：ChatBox
12.5 DeepSeek云上部署
第13章 DeepSeek实战之编程助手
13.1 AI辅助编程的重要性
13.2 需求分析和技术架构设计
13.3 预学习
13.4 代码补全功能开发