LangChain學習手冊｜使用 LangChain 與 LangGraph 建構 AI 與 LLM 應用程式 (1版)

若要打造可推理及提取外部資料、理解前後脈絡、可投入正式環境的 AI 應用程式，你就必須熟悉熱門的開發框架與平台 LangChain。它可以用來建立、執行與管理有自主行動能力的 app。目前已有許多頂尖公司採用 LangChain，包括 Zapier、Replit、Databricks 等。對於已經學會 Python 或 JavaScript，且想要掌握 AI 能力的新手開發者而言，本書是必備的學習資源。  　　作者 Mayo Oshin 與 Nuno Campos 透過實用的見解與深入的教學，帶領你逐步掌握 LangChain 的運用。從基礎概念開始，一步步帶你建立一個可正式上線，並且能夠使用個人資料的 AI agent。  　　• 運用 retrieval-augmented generation（RAG）技術，結合外部的即時資料來提升 LLM 的準確性。  　　• 開發並部署能夠與使用者聰明地互動，並且記得前後脈絡的 AI 應用程式。  　　• 透過 LangGraph 來使用強大的 agent 架構。  　　• 整合並管理第三方 API 與工具，以擴充 AI 應用程式的功能。  　　• 監控、測試與評估 AI 應用程式，以提升效能。  　　• 瞭解 LLM app 開發的基礎知識，並學習如何在 LangChain 上加以活用。  　　-------------------------------------------------------------  　　「本書包含條理分明的講解和可落實的技巧，是掌握 LangChain 的強大功能，並用它來製作可上線的生成式 AI 與 agent 的首選資源。對於想充分利用此平台之潛力的開發者來說，是必讀之作。」 ── Tom Taulli，IT 顧問暨《AI輔助程式開發》作者  　　「這本完整的指南涵蓋文件提取與檢索，以及在正式環境中部署與監控 AI agent 的完整知識。透過引人入勝的範例、直覺的圖解與實際的程式碼，讓 LangChain 變得既有趣又好玩！」 ── Rajat K. Goel，IBM 資深軟體工程師  　　「這是一本完整的 LLM 指南，不只介紹基礎知識，也探討生產階段，充滿技術見解、實用策略，以及強大的 AI 模式。」 ── Gourav Singh Bais，Allianz Services 資深資料科學家暨技術內容撰寫人

第一章 使用 LangChain 必備的 LLM 基礎知識  設置 LangChain 環境  在 LangChain 中使用 LLM  讓 LLM 的指示詞可以重複使用  從 LLM 取得特定格式的輸出  組合 LLM 應用程式的各個部分  第二章 RAG 首部曲：為你的資料建立索引  目標：為 LLM 挑選相關的脈絡  embedding：將文字轉換成數值  將文件轉換成文字  將文字拆成小段落  產生文字embedding  將 embedding 存入向量庫  追蹤文件的變更  索引最佳化  第三章 RAG 二部曲：與你的資料對話  Retrieval-Augmented Generation 簡介  查詢句轉換  查詢句路由  建構查詢句  第四章 使用 LangGraph 來為聊天機器人加入記憶功能  建立聊天機器人記憶系統  介紹 LangGraph  建立 StateGraph  為 StateGraph 加入記憶功能  修改聊天歷史  第五章 LangGraph 與認知架構  架構 #1：LLM 呼叫  架構 #2：鏈式架構  架構 #3：路由器  第六章 agent 架構  Plan-Do 迴圈  建立一個 LangGraph agent  始終先呼叫某一個工具  使用大量工具  第七章 Agents 第二集  反省  LangGraph 的 subgraph  多 agent 架構  第八章 善用 LLM 的設計模式  結構化輸出  第九章 部署：將 AI 應用程式部署到正式環境  先決條件  瞭解 LangGraph Platform API  在 LangGraph Platform 上部署 AI 應用程式  安全  第十章 測試：評估、監控與持續改進  在 LLM app 開發週期中的測試技巧  設計階段：能自我修正的 RAG  預備上線階段  正式上線階段  第十一章 使用 LLM 來建構應用程式  互動式聊天機器人  與 LLM 合作編輯  環境式運算（ambient computing）