LangChain 學習手冊|使用 LangChain 與 LangGraph 建構 AI 與 LLM 應用程式 (Learning LangChain: Building AI and LLM Applications with LangChain and LangGraph)
Mayo Oshin, Nuno Campos
- 出版商: 歐萊禮
- 出版日期: 2025-11-17
- 定價: $680
- 售價: 7.9 折 $537
- 語言: 繁體中文
- 頁數: 328
- 裝訂: 平裝
- ISBN: 626425181X
- ISBN-13: 9786264251815
-
相關分類:
LangChain
- 此書翻譯自: Learning Langchain: Building AI and LLM Applications with Langchain and Langgraph
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
Docker 這樣學才有趣:從入門,到玩直播、挖礦$450$356 -
鳥哥的 Linux 基礎學習訓練教材$480$408 -
UML 物件導向系統分析與設計, 4/e$560$199 -
機器學習開發神器!Google Cloud Platform 雲端開發應用超入門$490$417 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$850 -
超圖解 ESP32 深度實作$880$695 -
UEFI 編程實踐$714$678 -
GitLab CI/CD 從入門到實戰$479$455 -
$505LangChain 入門指南:構建高可復用、可擴展的 LLM 應用程序 -
自己開發 ChatGPT - LLM 從頭開始動手實作$720$569 -
LLM 的大開源時代 - Llama 模型精讀實戰$650$514 -
生成式 AI 入門 – 揭開 LLM 潘朵拉的秘密 : 語言建模、訓練微調、隱私風險、合成媒體、認知作戰、社交工程、人機關係、AI Agent、OpenAI、DeepSeek (Introduction to Generative AI)$580$458 -
LangChain 核心技術與 LLM 項目實踐$714$678 -
數字信號處理基礎入門$599$569 -
Verilog HDL計算機網絡典型電路算法設計與實現$354$336 -
MLIR 編譯器原理與實踐$714$678 -
生成式 AI 提示工程|以前瞻性的設計打造穩定、可信任的 AI 解決方案 (Prompt Engineering for Generative AI: Future-Proof Inputs for Reliable AI Outputs)$880$695 -
網站擷取|使用 Python, 3/e (Web Scraping with Python, 3/e)$720$569 -
LangGraph 實戰開發 AI Agent 全攻略:掌握 AI 模型 × 工作流程 × 設計應用,從零打造智慧分工多代理協作系統(iThome鐵人賽系列書)$660$515 -
Ollama 本地 AI 全方位攻略:命令列功能、五大主題測試、RAG、Vibe Coding、MCP,一本搞定所有實戰應用$750$593 -
AI 輔助程式開發|從規劃到部署全流程高效升級 (AI-Assisted Programming: Better Planning, Coding, Testing, and Deployment)$620$490 -
GitHub Copilot 學習手冊|效率倍增的 AI 程式設計力 (Learning Github Copilot: Multiplying Your Coding Productivity Using AI)$720$569 -
Vibe Coding CLI 頂級開發 - Claude Code 前瞻菁英育成手冊$1,080$853 -
生成式 AI 應用開發:基於 OpenAI API 實現$980$774
相關主題
商品描述
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
作者簡介
Mayo Oshin 是科技創業家、AI 顧問與天使投資人。他是 LangChain 開源程式庫的早期開發貢獻者與推廣者,也是廣受歡迎的 AI「與資料對話(chat with data)」運動的先驅。
Nuno Campos 是 LangChain 的創始軟體工程師之一。他擁有十年的 Python 與 JavaScript 軟體工程、系統架構設計,以及開源維護經驗。
目錄大綱
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)









