# langchain-basic-af04

**Repository Path**: Huang_Hl/langchain-basic-af04

## Basic Information

- **Project Name**: langchain-basic-af04
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2026-06-11
- **Last Updated**: 2026-06-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

第一天：LangChain入门
  1、为什么需要LangChain
    问题1：LLMs用的好好，为什么还需要开发框架？
        框架工程化的解决方案：工具调用、上下文管理、提示词、历史记录、检索、多轮推理、包括各种模型等等，

    问题2：我们可以使用GPT、Qwen、DeepSeek等模型通过API进行开发，为什么还需要框架？
       1、简化开发难度
       2、开发者可以更专注于业务逻辑
       3、学习成本更低了，使用LangChain可以统一、规范的方式进行调用，有更好的移植性。
       4、现成的Agent构建方法
       
  2、LangChain的发展
    2023-》开发项目-》LangChain
    2024->LangChain0.1-》稳定版
    2025-》LangChain 1.0 -》将LangGraph做了更高级的封装

  3、LangChain的核心模块
     Model I/O
     Chains:LCEL 链 -》RAG 
     Agent
     Tools
     Memory
     Retriveval
     Document Processing
     Vector Store


  4、LangChain智能体开发
        agent = create_agent(
            模型，
            工具|中间件，
            系统提示词，
            上下文结构，
            响应的格式，
            消息的持久化
        )

  5、LangChain迁移（了解）
  6、Model基本使用
    6.1 初始化各种模型
        ChatDeepSeek:初始化具体供应商的模型，deepseek， 就需要安装该供应商的具体依赖 langchain-deepseek
        init_chat_model：初始化通用聊天模型
  
第二天：模型|消息|提示词模板
  1、可以配置化模型：init_chat_model在初始化模型时可以动态配置模型参数  
    model = init_chat_model(configuable_fields=[模型参数], prefix="")
      面试题：top_p、top_k区别？
        top_p: 从概念累积达到p的候选词中随机采样。top_p=0.9,就是把所有的候选词按概率从高到低进行排序，累计到90%就截止，从这个范围内采样。候选词是动态的
        top_k: 直接取概率最高的前k个词，比如top_k=50，就是固定只从最高概率的50个词选，候选词是固定的

        一般先调top_p，大多数场景用0.7~0.95，top_p=1不限制全量采样
        DeepSeek、OpenAI主流API推荐只用top_p，不暴露top_k

    model.invoke("xx", config={"configuable":{具体的模型参数}})

  2、消息
    2.1 消息类型
      #from langchain_core.messages import xxxMessage
      from langchain.messages import xxxMessage
        SystemMessage:系统消息，设置角色和身份
        HumanMessage：用户消息，用户的要求
        AIMessage：模型消息，模型输出的内容
        ToolMessage：工具消息，工具之后的内容
    2.2 消息内容
      content
      content_blocks:在LangChain解决不同模型返回内容格式的不一致问题提供的一个统一内容格式
    
  3、提示词模板
    from langchain_core.prompts import PromptTemplate，ChatPromptTemplate
    3.1 基础模板 PromptTemplate
      #方式1
      template = PromptTemplate.from_template("xxxx{a}yyyyy{b}") #创建模版
      template.format(a="xxx", b="yyy") #格式化模板

      #方式2
      template = PromptTemplate(input_variables=["a", "b"], template="xxxx{a}yyyyy{b}") #创建模版
      template.format(a="xxx", b="yyy")

    3.2 聊天模型ChatPromptTemplate
      chat_template = ChatPromptTemplate.from_messages([
          SystemMessage("xxx"),
          HumanMessage("yyy{aa}"),
          AIMessage("zzz{bb}"),
          ToolMessage("xxx", "yyy"),
      ])
      messages = chat_template.format_messages(aa="xxx", bb="yyy")