内容简介
本书超越了 LangChain 的基础文档,深入介绍了 LangGraph 接口、构建 AI 智能体的设计模式,以及在实际生产中使用的可扩展架构,专为构建生成式 AI 应用的 Python 开发者打造。
主要特色
图书描述
第二版专注于当今企业在 AI 应用中面临的最大挑战:从原型走向生产部署。内容全面更新,涵盖 LangChain 生态系统的最新进展,系统阐述现代 AI 系统在企业环境中的开发、部署与扩展方式。本版特别强调多智能体架构、LangGraph 流程与高级 RAG(检索增强生成)管道。
你将学习如何设计构建智能体系统的模式,实际实现多智能体架构以处理复杂任务。书中还涵盖诸如 Tree-of-Thoughts、结构化生成与智能体交接等推理技巧,并提供丰富的错误处理示例。针对测试、评估和部署的章节得到扩展,重点说明如何设计安全、合规的 AI 系统,并遵循负责任的开发原则。同时,RAG 章节也加入了混合检索、重排序与事实核查等方法,以提升输出的准确性。
无论你是扩展已有流程,还是从零设计多智能体系统,本书都将为你提供将 LLM 应用部署到生产环境所需的技术深度与实用指导。
你将学到的内容
使用 LangGraph 设计与实现多智能体系统
实施可在部署前发现问题的测试策略
为生产环境部署可观测性与监控方案
构建具备重排序能力的 agent 化 RAG 系统
使用 LangGraph 和 MCP 设计可扩展的生产级 AI 智能体
使用最新的 LLM 模型与平台,如 Google Gemini、Anthropic、Mistral、DeepSeek 和 OpenAI 的 o3-mini
设计符合现代伦理实践的安全、合规 AI 系统
适合人群
本书适用于希望深入学习 LangChain 与 LangGraph 的开发者、研究人员等。它强调企业级部署模式,特别适合希望大规模实施 LLM 解决方案的工程团队。尽管第一版面向的是个人开发者,本版则扩展了内容,适用于负责企业级 LLM 战略的工程团队与决策者。读者需具备基本的 Python 编程能力,若对机器学习有一定了解,将更容易掌握本书内容。
目录
生成式 AI 的崛起:从语言模型到智能体
LangChain 入门
使用 LangGraph 构建工作流
基于 LangChain 构建智能 RAG 系统
构建智能体
高级应用与多智能体系统
软件开发与数据分析智能体
评估与测试
可观测性与生产部署
LLM 应用的未来
关于作者
Ben Auffarth 是一位全栈数据科学家,拥有超过 15 年的从业经验。他拥有计算与认知神经科学博士学位,曾在 IBM 超算上运行脑模型,设计并分析大规模实验,构建日处理数十万交易的生产系统,并对大规模文本语料训练语言模型。他是 Data Science Speakers London 的联合创始人及前主席。
Leonid Kuligin 是 Google Cloud 的资深 AI 工程师,致力于生成式 AI 与传统机器学习解决方案(如需求预测与优化问题)。他是 LangChain 上 Google Cloud 集成模块的核心维护者之一,也是在慕尼黑工业大学(TUM)与路德维希-马克西米利安大学(LMU)合作开设的 CDTM 项目的客座讲师。在加入 Google 之前,他在德国、俄罗斯与美国的技术、金融和零售公司中,积累了超过 20 年的复杂 AI 系统构建经验。
专知便捷查看,访问下面网址或点击最底端“阅读原文”
https://www.zhuanzhi.ai/vip/48497370b739c69a2ed14b46103d23c4
点击“阅读原文”,查看下载本文