🦜️🔗 LangChain 系统学习教程

从入门到精通的完整 LangChain 开发学习路径
最后更新: 2026-03-16
特色: ✅ Ollama 本地模型 (qwen3.5:9b) | ✅ 阿里云百炼 | ✅ 35+ 示例代码 | ✅ 项目实战

---

📊 教程状态

类别	数量	状态
示例代码文件	35+	✅
Ollama 专项示例	10+	✅
阿里云专项示例	6+	✅
项目实战	1	✅
覆盖章节	9/10	🔄

---

📚 课程目录

LangChain-Tutorial/
├── 00-setup/              # 环境配置与基础
├── 01-core-concepts/      # 核心概念 (5 个示例)
├── 02-models/             # 模型集成 (9 个示例) ⭐
├── 03-prompts/            # 提示工程 (7 个示例 + 项目) ⭐
├── 04-chains/             # 链式调用 (2 个示例)
├── 05-agents/             # 智能体 (2 个示例)
├── 06-memory/             # 记忆系统 (2 个示例)
├── 07-retrieval/          # 检索增强 RAG (2 个示例)
├── 08-vector-stores/      # 向量数据库 (1 个示例)
├── 09-output-parsers/     # 输出解析 (1 个示例)
├── 10-real-world/         # 实战项目 (待创建)
├── resources/             # 学习资源
├── COMPLETION_REPORT.md   # 完成报告
└── README.md              # 本文件

---

🎯 学习路径

阶段 1: 基础入门 (1-2 周) ✅

• ✅ 环境配置 (00-setup)
• ✅ 核心概念理解 (01-core-concepts)
• ✅ 模型调用 (02-models) - 含 Ollama/阿里云
• ✅ 提示工程基础 (03-prompts)

阶段 2: 核心技能 (2-3 周) ✅

• ✅ 链式调用 (04-chains)
• ✅ 记忆系统 (06-memory)
• ✅ 输出解析 (09-output-parsers)
• ✅ 基础 Agents (05-agents)

阶段 3: 高级应用 (3-4 周) 🔄

• 🔄 RAG 检索增强 (07-retrieval)
• 🔄 向量数据库 (08-vector-stores)
• 🔄 复杂 Agents
• ✅ 实战项目 (03-prompts/project)

阶段 4: 精通实践 (持续) 🔄

• 🔄 生产部署
• 🔄 性能优化
• 🔄 最佳实践
• 🔄 社区贡献

---

📖 每个主题包含

主题文件夹/
├── README.md              # 主题介绍与学习目标
├── examples/              # 示例代码
│   ├── basic/             # 基础示例 ✅
│   ├── intermediate/      # 中级示例 ✅
│   └── advanced/          # 高级示例 ✅
├── project/               # 项目实战 (部分章节) ✅
│   ├── README.md
│   ├── src/
│   ├── tests/
│   └── examples/
├── exercises/             # 练习题
└── resources/             # 扩展资源

---

🚀 快速开始

1. 环境要求

Python 3.10+
pip install -r requirements.txt

2. 配置环境变量

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件
# Ollama (本地，无需 API Key)
OLLAMA_HOST=localhost:11434

# 阿里云百炼 (可选)
DASHSCOPE_API_KEY=your_api_key_here

3. 安装 Ollama (推荐)

# macOS
brew install ollama

# 下载模型
ollama pull qwen3.5:9b

# 启动服务
ollama serve

# 验证
ollama list

4. 开始学习

# 基础示例
python 02-models/examples/basic/ollama_basic.py

# 中级示例
python 02-models/examples/intermediate/ollama_intermediate.py

# 高级示例
python 02-models/examples/advanced/ollama_advanced.py

# 阿里云示例 (需配置 API Key)
python 02-models/examples/basic/aliyun_basic.py

---

📋 课程大纲详情

✅ 00-setup - 环境配置

• Python 环境设置
• LangChain 安装
• API 密钥配置
• 开发工具配置
• 环境验证脚本

✅ 01-core-concepts - 核心概念

• LLM 基础
• Token 理解
• LangChain 架构
• 基本组件
• 示例: langchain_components.py, ollama_basic.py, chaining_patterns.py

✅ 02-models - 模型集成 ⭐ 最完整

• OpenAI 模型
• Anthropic Claude
• Ollama 本地模型 (qwen3.5:9b)
• 阿里云百炼
• 模型切换与比较
• 示例: 9 个完整示例 (基础/中级/高级)
  • ollama_basic.py - Ollama 基础调用
  • ollama_intermediate.py - 高级配置与优化
  • ollama_advanced.py - 生产级应用
  • aliyun_basic.py - 阿里云基础
  • aliyun_intermediate.py - 阿里云高级特性
  • aliyun_advanced.py - 阿里云生产实践

✅ 03-prompts - 提示工程 ⭐

• Prompt 模板
• Few-shot 学习
• 提示优化技巧
• 系统提示设计
• 项目实战: 提示词模板管理器
• 示例: 7 个示例 + 完整项目

✅ 04-chains - 链式调用

• LLMChain
• SequentialChain
• 并行链
• 条件链
• 示例: llm_chain.py, ollama_chains.py

✅ 05-agents - 智能体

• Agent 基础
• Tool 使用
• ReAct 模式
• 自定义 Agent
• 示例: agent_intro.py, ollama_agent.py

✅ 06-memory - 记忆系统

• ConversationBuffer
• ConversationSummary
• 自定义记忆
• 记忆持久化
• 示例: conversation_memory.py, ollama_memory.py

✅ 07-retrieval - 检索增强 (RAG)

• Document 加载
• Text 分割
• Embedding
• 检索策略
• RAG 基础实现
• 示例: document_loading.py, ollama_retrieval.py

✅ 08-vector-stores - 向量数据库

• FAISS
• ChromaDB
• 向量优化
• 示例: vector_store_intro.py

✅ 09-output-parsers - 输出解析

• 结构化输出
• Pydantic 解析
• JSON 解析
• 错误处理
• 示例: json_parser.py

🔄 10-real-world - 实战项目 (待完善)

• 智能客服
• 文档问答
• 代码助手
• 数据分析

---

💡 特色功能

🦙 Ollama 本地模型支持

完整支持 Ollama 本地模型 (qwen3.5:9b)，无需 API Key 即可学习：

• ✅ 基础调用与配置
• ✅ 高级参数优化
• ✅ 缓存与性能优化
• ✅ 生产级应用模式

☁️ 阿里云百炼集成

完整支持阿里云百炼大模型：

• ✅ DashScope SDK
• ✅ OpenAI 兼容接口
• ✅ 多模型路由
• ✅ 成本优化实践

📁 项目实战

每个核心章节配备完整项目实战：

• 真实场景应用
• 完整代码结构
• 可独立运行
• 可扩展开发

---

💡 学习建议

1. 循序渐进: 按顺序学习每个主题，不要跳级
2. 动手实践: 运行并修改示例代码，不要只看
3. 完成练习: 每个主题都有练习题，务必完成
4. 记录笔记: 在 notes/ 文件夹记录心得
5. 本地优先: 开发测试优先使用 Ollama，节省成本
6. 参与社区: 加入 LangChain 社区讨论

---

📝 学习进度追踪

主题	状态	示例数	完成日期	笔记
00-setup	✅	1	-	-
01-core-concepts	✅	5	-	-
02-models	✅	9	-	-
03-prompts	✅	7+ 项目	-	-
04-chains	✅	2	-	-
05-agents	✅	2	-	-
06-memory	✅	2	-	-
07-retrieval	✅	2	-	-
08-vector-stores	🔄	1	-	-
09-output-parsers	🔄	1	-	-
10-real-world	⬜	0	-	-

图例: ✅ 已完成 | 🔄 进行中 | ⬜ 待开始

---

🔗 相关资源

官方文档

• LangChain 官方文档
• LangChain GitHub
• LangChain 教程

中文资源

• LangChain 中文社区
• LangChain 中文教程

模型服务

• Ollama 官网
• 阿里云百炼
• 通义千问

学习社区

• LangChain Discord
• LangChain 中文微信群

---

📚 推荐学习顺序

第 1 周：环境搭建与基础

Day 1-2: 00-setup - 环境配置
Day 3-4: 01-core-concepts - 核心概念
Day 5-7: 02-models (基础) - 模型调用

第 2 周：模型与提示

Day 8-10: 02-models (中级/高级) - 深入模型
Day 11-14: 03-prompts - 提示工程 + 项目实战

第 3 周：链与记忆

Day 15-17: 04-chains - 链式调用
Day 18-21: 06-memory - 记忆系统

第 4 周：Agent 与 RAG

Day 22-24: 05-agents - 智能体
Day 25-28: 07-retrieval + 08-vector-stores - RAG

第 5 周+：进阶与实战

Day 29-31: 09-output-parsers - 输出解析
Day 32+: 10-real-world - 综合项目

---

🛠️ 常见问题

Q: Ollama 无法启动？

# 检查安装
ollama --version

# 重新启动服务
ollama serve

# 查看日志
tail -f ~/.ollama/logs/server.log

Q: 如何切换模型？

# Ollama
llm = ChatOllama(model="qwen3.5:9b")  # 或 llama3:8b, mistral:7b 等

# 阿里云
llm = ChatOpenAI(
    model="qwen-plus",
    openai_api_key=api_key,
    openai_api_base="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

Q: 如何节省 API 成本？

1. 开发测试使用 Ollama 本地模型
2. 实现缓存机制，避免重复调用
3. 选择合适的模型 (简单任务用 qwen-turbo)
4. 设置合理的 max_tokens 限制

---

📄 许可证

本教程采用 MIT 许可证，欢迎 Fork 和贡献。

---

🙏 致谢

感谢 LangChain 社区、Ollama 团队、阿里云百炼提供的优秀工具和文档。

---

祝你学习愉快！🎉

如有问题，欢迎在 Issues 中提问或讨论。

最后更新: 2026-03-16
维护者: 大龙虾 🦞