Learning LangChain (for True Epub) — 书籍拆解
读到哪:读了部分。 可以当锚引用。
| 项 | |
|---|---|
| 作者 | Mayo Oshin and Nuno Campos |
| 版次 | 2025 版 |
| 格式 | epub ｜ 文本源 epub-builtin |
| 许可 | 自购/个人收藏 |
| 来源 | 主人个人藏书,2026-08 放入收件箱 |
| 清洗 | 删页眉页脚 0 行、页码 0 行、断词接回 0 处 |
我们重写的拆解(0 章)
（还没写。拆解是这本书对我们的真正产出——底下的元数据只是索引。）
为什么收它
LangChain/LangGraph 在三库里有 teardown,这本补「官方推荐怎么用」的一侧。
合法性
自购/个人收藏。来源:主人个人藏书,2026-08 放入收件箱。原始文件不入库,转码文本入库(私有库)。
出版方怎么说
（起草参考,不是我们的判断。真正的「覆盖什么/不覆盖什么」写进 frontmatter 的 claims / notCovered)
出版方简介(仅供起草参考,不是我们的判断):Authors Mayo Oshin and Nuno Campos demystify the use of LangChain through practical insights and in-depth tutorials. Starting with basic concepts, this book shows you step-by-step how to build a production-ready AI agent that uses your data.
它覆盖什么、不覆盖什么
覆盖(读完能带走的主张):
- (第 6 章) 「行动」这个词拆开有三层含义:要有决定做什么的能力、要有不止一个可选项(没有选项的决定不算决定)、以及要能拿到外部环境的信息;所以一个有能动性的应用就是用模型从多个可选动作里挑一个。
- (第 6 章) agent 架构与其它架构的唯一区别是「模型驱动的循环」——循环人人都写过,关键在于让模型来控制停止条件,也就是由它决定什么时候不再转。
- (第 6 章) 这个架构靠两种提示技术拼出来:工具调用(把可选动作列进提示并规定输出格式)与链式思考(让它把复杂问题拆成有序的小步);较新的模型已经为这两件事做过微调,不再需要在提示里专门交代。
- (第 6 章) 早期做法用停止序列来保证模型一次只产出一个动作——换行符一到就停,于是它没机会一口气编出后面几步。
- (第 6 章) 两个实用扩展:强制某个工具永远第一个调(省掉一次模型调用、也防止模型误判为不需要调它,但只在确实存在这种规则时才该加);以及工具太多时先过一个「选工具」节点再进循环。
- (第 7 章) 反思是在「生成」与「批评」两个提示之间建一个回路;书里让它固定转 N 次,并指出另一种做法是让批评方自己决定什么时候结束。
- (第 7 章) 要拆成多 agent 的三个信号:工具太多以致选不准、上下文复杂到单个 agent 跟不住、以及某个领域需要专门的子系统。
不覆盖(别指望在这本里找):
- 本轮只读了第 6、7 两章,其余各章(基础、RAG 两章、记忆、认知架构、模式、测试与评估、上线)都没读。
- 循环的工程细节:轮数上限、连错熔断、打转检测、超时,这两章一句没讲。
- 上下文压缩:第 6、7 章没讲历史长了怎么办(留给别的章)。
- 工具结果怎么回填、并发怎么处理,都被框架吸收了,书里看不到。
怎么引用它
(依据: book=learning-langchain §Chapter 1. LLM Fundamentals with LangChain)
章节名对不上会被 lab:validate 拦下;页码锚(§p.123)同样可用。
结构(17 段,共 457k 字符)
| 段 | 章节 | 页 | 规模 |
|---|---|---|---|
| 01 | Praise for Learning LangChain | — | 1.9k |
| 02 | Learning LangChain | — | 2.0k |
| 03 | Preface | — | 37.0k |
| 04 | Chapter 1. LLM Fundamentals with LangChain | — | 37.2k |
| 05 | Chapter 2. RAG Part I: Indexing Your Data | — | 55.8k |
| 06 | Chapter 3. RAG Part II: Chatting with Your Data | — | 54.9k |
| 07 | Chapter 4. Using LangGraph to Add Memory to Your Chatbot | — | 27.5k |
| 08 | Chapter 5. Cognitive Architectures with LangGraph | — | 28.7k |
| 09 | Chapter 6. Agent Architecture | — | 27.1k |
| 10 | Chapter 7. Agents II | — | 26.2k |
| 11 | Chapter 8. Patterns to Make the Most of LLMs | — | 28.6k |
| 12 | Prerequisites | — | 30.3k |
| 13 | Chapter 10. Testing: Evaluation, Monitoring, and Continuous Improvement | — | 45.0k |
| 14 | Chapter 11. Building with LLMs | — | 12.8k |
| 15 | Index | — | 39.8k |
| 16 | About the Authors | — | 0.9k |
| 17 | Colophon | — | 1.4k |
我们自己的读书笔记(0 篇)
（还没有。读完某章后写进 docs/learning-langchain/notes/,那才是这本书对我们的产出。）
本页由 node scripts/book-build.mjs 生成:表格来自转码结果,散文来自书卡正文。不要手改本页。