1、Agent 开发的可观测性基石

• 在对LangChain 1.0有了一定的基础了解之后，对于开发者来说，还需要进一步了解和掌握LangChain Agent必备的开发者套件。分别是LangChain Agent运行监控框架LangSmith、底层LangGraph图结构可视化与调试框架LangGraph Studio和LangGraph服务部署工具LangGraph Cli。可以说这些开发工具套件，是真正推动LangGraph的企业级应用开发效率大幅提升的关键。同时监控、调试和部署工具，也是全新一代企业级Agent开发框架的必备工具，也是开发者必须要掌握的基础工具。

1、Agent核心概念与技术架构

• Agent智能体是一种以大语言模型（LLM）为”大脑”，能够自主感知环境、进行推理规划，并调用外部工具执行复杂任务的系统。它不仅仅是简单的程序，而是具备一系列高级特征的复杂系统。根据LangChain框架的定义，Agent的核心是以大语言模型（LLM）作为其推理引擎，并依据LLM的推理结果来决定如何与外部工具进行交互以及采取何种具体行动。这种架构将LLM的强大语言理解与生成能力，与外部工具的实际执行能力相结合，从而突破了单一LLM的知识限制和功能边界。Agent的本质可以被理解为一种高级的提示工程（Prompt Engineering）应用范式，开发者通过精心设计的提示词模板，引导LLM模仿人类的思考与执行方式，使其能够自主地分解任务、选择工具、调用工具并整合结果，最终完成复杂的任务。

• Agent（智能体）已超越传统AI模型，成为能够自主完成多步骤复杂任务的智能数字助手。其核心特征在于自主性增强、执行能力和持续学习。

1、LangChain框架介绍

• LangChain 是一个构建 LLM 应用的框架，目标是把 LLM 与外部工具、数据源和复杂工作流连接起来 —— 支持从简单的 prompt 封装到复杂的 Agent（能够调用工具、做决策、执行多步任务）。它不仅仅是对LLM API的封装，而是提供了一套完整的工具和架构，让开发者能够更轻松地构建上下文感知和具备推理能力的AI应用。LangChain 1.0 版本把“Agent 的稳定化、结构化输出、可观测性与生产化”作为核心改进目标。

1、Retrieval模块的设计意义

• Retrieval直接翻译过来即“检索”，本章Retrieval模块包括与检索步骤相关的所有内容，例如数据的获 取、切分、向量化、向量存储、向量检索等模块。常被应用于构建一个“企业/私人的知识库”，提升大 模型的整体能力。

1.1 大模型的幻觉问题

• 拥有记忆后，确实扩展了AI工程的应用场景。
• 但是在专有领域，LLM无法学习到所有的专业知识细节，因此在面向专业领域知识的提问时，无法给出可靠准确的回答，甚至会“胡言乱语”，这种现象称之为LLM的“幻觉”。
• 大模型生成内容的不可控，尤其是在金融和医疗领域等领域，一次金额评估的错误，一次医疗诊断的失误，哪怕只出现一次都是致命的。但，对于非专业人士来说可能难以辨识。目前还没有能够百分之百解决这种情况的方案。
• 当前大家普遍达成共识的一个方案：
  • 首先，为大模型提供一定的上下文信息，让其输出会变得更稳定。
  • 其次，利用本章的RAG，将检索出来的文档和提示词输送给大模型，生成更可靠的答案。

1、理解Agents

• 通用人工智能(AGI)将是AI的终极形态，几乎已成为业界共识。同样，构建智能体(Agent)则是AI工程应用当下的“终极形态”。

• 将 AI 和人类协作的程度类比自动驾驶的不同阶段：

1、Tools概述

1.1 介绍

• 要构建更强大的AI工程应用，只有生成文本这样的“纸上谈兵”能力自然是不够的。工具Tools不仅仅是“肢体”的延伸，更是为“大脑”插上了想象力的“翅膀”。借助工具，才能让AI应用的能力真正具备无限的可能，才能从“认识世界”走向“改变世界”。

1、Memory概述

1.1 为什么需要Memory

• 大多数的大模型应用程序都会有一个会话接口，允许我们进行多轮的对话，并有一定的上下文记忆能力。

• 但实际上，模型本身是不会记忆任何上下文的，只能依靠用户本身的输入去产生输出。

1、Chains的基本使用

1.1 Chain的基本概念

• Chain：链，用于将多个组件（提示模板、LLM模型、记忆、工具等）连接起来，形成可复用的工作流，完成复杂的任务。
• Chain的核心思想是通过组合不同的模块化单元，实现比单一组件更强大的功能。比如：
  • 将LLM与Prompt Template（提示模板）结合
  • 将LLM与输出解析器结合
  • 将LLM与外部数据结合，例如用于问答
  • 将LLM与长期记忆结合，例如用于聊天历史记录
  • 通过将第一个LLM的输出作为第二个LLM的输入，…将多个LLM按顺序结合在一起

1、Model I/O介绍

• Model I/O 模块是与语言模型(LLMs)进行交互的 核心组件 ，在整个框架中有着很重要的地位。 所谓的Model I/O，包括输入提示(Format)、调用模型(Predict)、输出解析(Parse)。分别对应着Prompt Template ， Model 和 Output Parser 。

• 简单来说，就是输入、处理、输出这三个步骤。

• 针对每个环节，LangChain都提供了模板和工具，可以快捷的调用各种语言模型的接口。

1、介绍LangChain

1.1 什么是LangChain

• LangChain是2022年10月，由哈佛大学的Harrison Chase（哈里森·蔡斯）发起研发的一个开源框架，用于开发由大语言模型（LLMs）驱动的应用程序。

  • 比如，搭建“智能体”（Agent）、问答系统（QA）、对话机器人、文档搜索系统等。
  • LangChain的发布比ChatGPT问世还要早一个月，他那时候是怎么发现大模型要火的？
  • 从这个启动日期也可以看出创始人的眼光，这比ChatGPT问世还要早一个月呢，他那时候是怎么发现大模型要火的？占了先机的它迅速获得广泛关注和支持！