从零构建生产级 LLM 应用：LCEL 管道 · RAG 检索 · Agent 状态机 · 可观测性全覆盖
LangChain 是构建 LLM 应用的主流框架，GitHub 超 9 万 Star，覆盖 RAG、Agent、多模态等所有核心场景
现代化的 | 操作符将 Prompt、Model、Parser 串联，支持流式输出与并行执行
内置文档加载器、文本分割器、向量存储集成，轻松构建企业知识库问答
基于状态机的 Agent 框架，支持复杂多步推理、循环执行、Human-in-the-loop
全链路可观测性：追踪每一次 LLM 调用、评估输出质量、管理提示词版本
LangServe 一键将链暴露为 FastAPI 接口，支持流式 SSE、批处理与错误处理
循序渐进，从基础概念到生产部署
架构演进、与 LangGraph/LangSmith 的关系、安装配置、核心包解析
ChatOpenAI/Anthropic 接入、PromptTemplate、MessagePlaceholder、Few-shot 示例
Runnable 接口、| 操作符、RunnableParallel、RunnablePassthrough、流式输出
StrOutputParser、PydanticOutputParser、JsonOutputParser、结构化输出最佳实践
ConversationBufferMemory、MessageHistory、RedisChatMessageHistory、持久化存储
文档加载器、文本分割、Embedding、向量存储、多路检索与重排序
@tool 装饰器、工具调用、ReAct Agent、ToolNode、自定义工具开发
StateGraph、节点与边、条件路由、持久化 Checkpointer、Human-in-the-loop
追踪配置、自定义运行标签、数据集评估、提示词版本管理、成本分析
LangServe + FastAPI、流式 SSE API、错误处理、限流、成本监控与告警