> ## Documentation Index > Fetch the complete documentation index at: https://www.yuan111.asia/doc/llms.txt > Use this file to discover all available pages before exploring further. # RAG 对话机器人：LangChain 工程文档式系列教程 # RAG 对话机器人：LangChain 工程文档式系列教程 > **目标**：学完本系列，你能从零搭建一个知识问答 RAG 对话机器人。 > **路线**：从"规定性最少"的概念开始，一步步看到每个概念**为什么必然出现**（逻辑必然性），最终拼出完整系统。 > **原则**：不用 LangGraph、不用依赖它的 agent、不用任何弃用包——全部用 langchain 1.x 官方活跃维护的 API。 *** ## 一、这套教程回答的问题 | 你可能会问 | 本系列在第几篇回答 | | ------------------------------- | --------- | | LangChain 到底是干嘛的？我直接调 API 不行吗？ | 01 | | 模型返回的到底是什么东西？为什么老讲消息？ | 02 | | 为什么要模板？手拼字符串不行吗？ | 03 | | 怎么让输出变成我要的格式 / 一个字一个字出来？ | 04、05 | | 模型怎么记住我说过的话？ | 06 | | 怎么把公司文档变成模型能用的知识？ | 07 | | 怎么让机器懂"意思相近"？ | 08 | | 知识库问答整条链路怎么搭？（老板要的东西） | 09 | | 检索结果不准怎么办？对话+知识库怎么结合？ | 10 | | 生产环境并发、异步、网络到底怎么回事？ | 12 | | langchain\_core 里到底有哪些模块？哪些值得学？ | 13 | | 怎么把机器人变成 HTTP API 给前端用？ | 14 | | 完整的后端项目长什么样？ | 15 | *** ## 二、核心方法论：规定性展开 + 逻辑必然性 **规定性（prescriptivity）**：一个概念对你（代码编写者）施加的**约束数量**。 * 规定性越少 = 概念越简单、越自由、约束越少； * 规定性越多 = 概念越复杂、越精确、越接近生产现实。 整套课程的顺序就是**规定性从少到多的展开**，并且每一步都是上一步**逼出来的**（逻辑必然性）： ``` 规定性 0 → 1 → 2 → 3 → ... → 生产级 01 模型调用（规定性 1：一个类、一个方法） ↓ 必然而然：各家 API 协议不同、返回结构不同 → 需要统一信封 02 消息类（规定性 2：System/Human/AI 三种角色 + 9 字段） ↓ 必然而然：手拼字符串列表脆弱、没法插历史 → 需要模板 03 模板（规定性 3：变量插值 + 历史槽位） ↓ 必然而然：模型返回文本又慢又难解析 → 需要剥壳 + 流式 04 输出解析与流式（规定性 4：StrOutputParser / stream） ↓ 必然而然：业务要的是 JSON，不是散文 → 需要结构化契约 05 结构化输出（规定性 5：Pydantic 蓝图） ↓ 必然而然：模型每轮都是金鱼脑 → 需要会话状态 06 记忆（规定性 6：历史滚雪球 + 会话隔离） ↓ 必然而然：模型不知道公司文档 → 需要外部知识注入 07 文档与切分（规定性 7：Document + TextSplitter） ↓ 必然而然：全文档塞不进上下文 → 需要先召回相关内容 08 向量化与向量库（规定性 8：Embedding + Chroma + Retriever） ↓ 必然而然：检索→拼上下文→生成 要串成一条链 → 需要组合协议 09 RAG 组装（规定性 9：LCEL 管道 / Runnable 协议） ↓ 必然而然：粗排不准、问答要带历史 → 需要精排 + 对话式 RAG 10 重排序与对话式 RAG（规定性 10） ↓ 必然而然：模型只能“说”不能“做”，算日期查系统只能写死 → 需要工具协议 11 工具调用（规定性 11：@tool / bind_tools / 手动循环） ↓ 必然而然：一次问答多次调用，生产要吞吐、要并发、要懂底层 → 需要执行模型 12 并发与网络模型（规定性 12：线程池 / 事件循环 / httpx） ↓ 必然而然：钻进了 langchain_core 内部 → 该看看整个地基了 13 langchain_core 全地图（盘点，不新增规定性） ↓ 必然而然：内部再厉害，得能被外部调用 → 需要服务化 14 FastAPI 服务化（规定性 14：HTTP API） ↓ 必然而然：生产级 = 配置化 + 索引管线 + 错误处理 + 可部署 15 完整后端项目（规定性 15：工程化封装） ``` **每一篇都遵循同一固定结构**（这是本系列与普通教程最大的区别）： 1. **上集回顾** —— 上一篇结尾必然有个"还差什么"，本篇来解决它 2. **数据字典** —— 本篇涉及的关键类：字段、数据类型、结构示例（JSON） 3. **关键方法** —— 方法签名 + 参数 + 返回值 4. **进程线程模型** —— 这段代码在哪个线程跑、阻塞不阻塞、并发在哪 5. **网络模型** —— 底层走了什么 HTTP 请求、协议、流式、超时、重试 6. **可运行验证** —— 配套 `code/` 代码，亲手跑一遍看输出 7. **边界** —— 这个概念什么时候不适用、坑在哪 *** ## 三、目录 > 逻辑顺序 = 认知依赖：先懂"模型返回什么 / 怎么构造输入"（01~~05），再学会话与知识（06~~10），然后工具与底层（11~~13），最后上线（14~~15）。 | 篇 | 标题 | 本片学会什么 | 新增规定性 | 配套代码 | | -- | ---------------------------------------------------------------------- | --------------------------------------- | ----- | --------------------------------------------- | | 00 | [环境准备](/doc/doc/enterprise-rag-course/00-环境准备) | 装 Miniconda、配 conda、建环境、装包、.env、数据文件 | — | `code/00_env_check.py` `code/00_env_setup.py` | | 01 | [为什么需要 LangChain](/doc/doc/enterprise-rag-course/01-为什么需要LangChain) | ChatModel 统一接口、invoke | 1 | `code/01_first_chat.py` | | 02 | [消息类数据字典](/doc/doc/enterprise-rag-course/02-消息类数据字典) | 消息类型、AIMessage 九字段、三协议 | 2 | `code/02_messages.py` | | 03 | [ChatPromptTemplate](/doc/doc/enterprise-rag-course/03-模板与历史槽位) | 模板、MessagesPlaceholder | 3 | `code/03_prompt.py` | | 04 | [输出解析与流式](/doc/doc/enterprise-rag-course/04-输出解析与流式) | StrOutputParser、stream、SSE | 4 | `code/04_streaming.py` | | 05 | [结构化输出](/doc/doc/enterprise-rag-course/05-结构化输出) | with\_structured\_output、Pydantic | 5 | `code/05_structured.py` | | 06 | [记忆与会话](/doc/doc/enterprise-rag-course/06-记忆与会话) | 三方案：list 手搓 / InMemory / 弃用对比 | 6 | `code/06_memory.py` | | 07 | [文档与切分](/doc/doc/enterprise-rag-course/07-文档与切分) | Document、RecursiveCharacterTextSplitter | 7 | `code/07_load_split.py` | | 08 | [向量化与向量库](/doc/doc/enterprise-rag-course/08-向量化与向量库) | Embedding、Chroma、Retriever | 8 | `code/08_embed_search.py` | | 09 | [RAG 组装](/doc/doc/enterprise-rag-course/09-RAG组装) | LCEL 管道、RunnablePassthrough | 9 | `code/09_rag.py` | | 10 | [重排序与对话式 RAG](/doc/doc/enterprise-rag-course/10-重排序与对话式RAG) | CrossEncoder、历史感知检索 | 10 | `code/10_rerank.py` | | 11 | [工具调用](/doc/doc/enterprise-rag-course/11-工具调用) | @tool、bind\_tools、手动执行循环 | 11 | `code/11_tools.py` | | 12 | [并发与网络模型](/doc/doc/enterprise-rag-course/12-并发与网络模型) | 线程池、事件循环、httpx | 12 | `code/12_async_bench.py` | | 13 | [langchain\_core 全地图](/doc/doc/enterprise-rag-course/13-langchain_core全地图) | 36 模块、5 家族、避坑 | 盘点 | `code/13_core_map.py` | | 14 | [FastAPI 服务化](/doc/doc/enterprise-rag-course/14-FastAPI服务化) | 同步/异步路由、SSE、部署 | 14 | `code/14_api.py` | | 15 | [完整后端项目](/doc/doc/enterprise-rag-course/15-完整后端项目) | 配置化、索引管线、错误处理 | 15 | `project/` | *** ## 四、版本与环境（本机实测） | 项 | 值 | | ------------------------ | ------------------------------------------------------ | | conda 环境 | `learn-langchain`（Python 3.11.15） | | langchain | 1.3.14 | | langchain-core | 1.5.1 | | langchain-anthropic | 1.5.3（智谱 glm-4.7，Anthropic 协议） | | langchain-openai | 1.4.1（DeepSeek 备选） | | langchain-chroma | 已装（Chroma 向量库） | | langchain-huggingface | 已装（bge-small-zh-v1.5 embedding） | | langchain-text-splitters | 1.1.2 | | fastapi / uvicorn | 0.141.1 / 0.51.0 | | 数据文件 | `data/新人培训手册.md`、`data/十五五就业优先.txt`、`data/十五五教育规划.txt` | | API 配置 | `.env`（ZHIPU\_\* 主 / DEEPSEEK\_\* 备） | ## 五、明确不用什么（为什么） | 不用 | 原因 | | ---------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------- | | **LangGraph** | 编排框架，依赖它的 agent 都要求你会"图"的概念；本系列用 LCEL 管道即可覆盖 RAG 全部需求，更简单直接。⚠️ 注意：`langchain` 主包 1.x 把 langgraph 列为**硬依赖**（装 langchain 自动带上），本系列不用它的 API 即可 | | **create\_agent / create\_react\_agent** | 依赖 LangGraph 的 agent 工厂 | | **langchain-classic** | 1.x 把旧链（RetrievalQA、create\_retrieval\_chain）搬进这个"养老院"包，已停止演进（本机实测 1.0.8 为最新） | | **langchain-community** | 停更包（0.4.2 最后一版，PyPI 实测无新版），向量库等集成已迁到官方集成包 | | **langchain-experimental** | 实验性，API 不稳定 | | **0.x 时代的写法** | `from langchain.llms import OpenAI`、`from langchain.vectorstores import ...` 等——langchain 1.x 已移除这些模块，实测报 `ModuleNotFoundError` | > 识别弃用包的方法：`pip show <包>` 看是否活跃维护；看到 `from langchain_community`、`from langchain.chains`、`langchain-classic` 都要警惕。 *** ## 六、怎么开始 1. 从 [00-环境准备](/doc/doc/enterprise-rag-course/00-环境准备) 开始，把环境跑通。 2. 每篇读完，运行配套代码（`code/` 目录），亲手看到输出。 3. 每篇的"数据字典"和"进程线程模型 / 网络模型"是重点——它们回答"这个东西到底是什么数据结构、底层到底怎么跑的"。 4. 第 15 篇是把前面所有零件拼成完整系统的最终交付。 现在，从[第 00 篇：环境准备](/doc/doc/enterprise-rag-course/00-环境准备)开始。