LangChain 解决什么问题？什么时候用 LangChain，什么时候用原生 API？

当应用需要多工具 Agent loop、动态工具权限、中间件、人工审批、checkpoint 或跨步骤状态时，LangChain 1.x 的 runtime 能减少重复基础设施。单次分类、提取或两三个固定步骤优先用 provider SDK 和普通代码。框架不是默认答案；要用同一组 eval 比较正确率、延迟、成本和维护复杂度。

LangChain 的 Chain 是什么？怎么把 prompt + LLM + parser 串起来？

用 LCEL 管道符 `|` 把组件串联。例：`chain = prompt | llm | StrOutputParser()`，然后 `chain.invoke({"role": "翻译专家", "input": "Hello"})`。ChatPromptTemplate 装提示模板（system + user），ChatOpenAI 装模型，StrOutputParser 把 message 解成字符串。要 JSON 用 PydanticOutputParser 或 JsonOutputParser。

LangChain 怎么做 RAG？需要哪些组件？

RAG 至少包含 ingest、chunk、embedding/index、带 tenant/metadata filter 的 retrieval、可选 rerank、带来源的 context assembly 和回答验证。LangChain 可以组合这些组件，但不会自动保证检索质量；必须用真实问题评测 recall、precision、citation faithfulness、延迟和跨租户隔离。

LangChain 的 Agent 怎么用？和直接调 function calling 区别在哪？

LangChain 1.x 使用 `create_agent(model, tools, ...)`，底层由 LangGraph runtime 执行 model → tool → model loop。原生 function calling 需要自己实现循环、状态、重试、审批和恢复，但控制更直接。无论用哪种方式，工具服务端仍要做 schema、权限、幂等和业务终态验证。

LangChain 项目调试和监控应该怎么做？

Trace 至少要关联 run/thread ID、模型与 prompt 版本、每次工具调用、延迟、token、错误、审批和最终业务证据。可以使用 LangSmith，也可以接团队已有 OpenTelemetry 或日志系统。工具做单测，Agent 做行为 eval，checkpoint 做崩溃恢复测试；只看最终回答无法定位 loop 和重复副作用。

LangChain 框架 - AI Engineer

学AI来匠人

📖

AI Engineer

50 节

·简介

01 基础与模型5

01
LLM API 入门
30分钟
02
AI 模型对比参考
20分钟
03
机器学习 / 深度学习基础速通
30分钟
04
Transformer 与注意力机制入门
30分钟
05
Prompt Engineering
45分钟

02 上下文与 RAG6

06
Context Fundamentals
30分钟
07
RAG 系统入门
60分钟
08
🔒LangChain 框架
60分钟
09
Context Engineering & Memory
35分钟
10
Context Compression & Optimization
35分钟
11
Context Degradation Patterns
30分钟

03 工具与能力5

12
Function Calling & Tool Use
35分钟
13
Tool Design Principles
35分钟
14
多模态与工具链
40分钟
47
Claude API 进阶 Tool Use：三招降本提准
40分钟
48
MCP 的 Code Execution 模式：把工具当代码库调用
25分钟

04 智能体构建8

15
🔒AI Agent 开发基础
90分钟
16
System Prompt 设计实战
45分钟
17
System Prompt 案例库
30分钟
18
Agent 框架速览
40分钟
19
Agent 框架横向对比
45分钟
20
Multi-Agent Patterns
35分钟
21
Agent 深入
45分钟
49
长任务 Agent 的 Harness 设计模式
25分钟

05 评测与工程化5

22
LLM 评测与质量监控：可运行的回归检查
45分钟
23
LLM-as-a-Judge 评测
35分钟
24
Synthetic Data & Augmentation
30分钟
25
LLM 工程化与网关
35分钟
26
工作流与自动化
40分钟

06 安全与部署6

27
安全与威胁建模
35分钟
28
Data Governance & Privacy
30分钟
29
部署与成本优化
35分钟
30
🔒生产环境部署
90分钟
31
Debugging & Incident Playbook
35分钟
50
Claude Code 沙箱安全机制：双层隔离
25分钟

07 AI Coding & 进阶实战13

32
AI Coding 工作流
40分钟
33
Vibe Coding 实战
45分钟
34
AI Rules 配置实战
30分钟
35
🔒MCP 开发最佳实践
45分钟
36
🔒MCP 发布指南
25分钟
37
Skills 范式：从 Agent 到技能库
35分钟
38
Claude Code 技术原理：上下文与记忆管理
45分钟
39
Claude Code Examples
30分钟
40
AI 产品与体验
35分钟
41
🔒AI 规则持续改进
30分钟
42
PR Review 方法论
20分钟
43
代码分析选项
15分钟
44
GitHub Issue 分析
15分钟

08 模型层：微调与开源部署2

45
LoRA / QLoRA / PEFT 微调原理与取舍
35分钟
46
开源模型、本地部署与模型路由
30分钟

🎯学习更高效

让你的学习不被打断

✏️
学习笔记
边学边记，云端同步
📈
进度追踪
自动保存，随时继续
🏅
完课证书
可分享的学习成就
💬
社区答疑
和 2000+ 学员交流

免费注册→已有账号？登录

👥2,847 人正在学习

AI学习面试课程学习中心