大模型核心开发框架（Agent）
本专题整理自《AI 智能体实战速成指南：从零到企业级落地》第 03 部分「大模型核心开发框架」，覆盖 LangChain、RAG、MCP、Agent、LangGraph 与 Skills 的完整学习链路。
专题简介
这一部分是整个 Agent 开发体系的核心：先建立 LangChain 的工程认知，再逐步掌握模型接入、提示词、输出解析、LCEL、记忆、工具、向量检索与 RAG，最后进入 MCP、Agent 以及 LangGraph 的图编排与多智能体协作。
学完本专题，应当具备以下能力：
- 用 LangChain 组织模型、提示词、工具、记忆与检索，写出可维护的 AI 应用。
- 理解 RAG、MCP、Agent、Function Calling 之间的区别与协作关系。
- 用 LangGraph 描述有状态、可中断、可回溯、可扩展的多步骤流程。
- 理解 Skills 的渐进式加载机制，并能编写可复用的技能。
内容导航
一、LangChain 基础
| 章节 | 核心内容 |
|---|---|
| 第 1 章 LangChain 概述与架构 | LangChain 定位、包结构与版本演进、六大核心模块全景 |
| 第 2 章 LangChain 快速上手与 HelloWorld | 环境准备、主流模型平台、最小调用、多模型共存与流式封装 |
| 第 3 章 Model I/O 与模型接入 | 模型分类与参数、OpenAI / DeepSeek / 通义千问等模型接入 |
| 第 4 章 Ollama 本地部署与调用 | 本地模型安装、常用命令、LangChain 整合 Ollama |
| 第 5 章 提示词与消息模板 | 消息类型与调用方式、PromptTemplate、ChatPromptTemplate、外部提示词加载 |
| 第 6 章 输出解析器 | Str / JSON 解析器、结构化输出、TypedDict、Pydantic 与 JSON Schema |
| 第 7 章 LCEL 与链式调用 | Runnable 统一接口、Chain 结构、Sequence / Parallel / Branch / Lambda |
二、记忆、工具与检索
| 章节 | 核心内容 |
|---|---|
| 第 8 章 记忆与对话历史（含 Redis 基础） | 无记忆问题、记忆实现原理、内存与 Redis 持久化 |
| 第 9 章 Tools 工具调用 | 工具调用工作方式、自定义 Tool、Pydantic 参数 schema、天气助手实战 |
| 第 10 章 向量数据库与 Embedding 实战 | 向量化、Redis Stack 向量存储、余弦相似度、向量写入与检索 |
| 第 11 章 RAG 检索增强生成 | 文档加载与切分、检索增强流程、智能运维助手综合案例 |
三、Agent 与 MCP
| 章节 | 核心内容 |
|---|---|
| 第 12 章 MCP 模型上下文协议 | MCP 架构与用途、MCP Server / Client、本地天气服务实战 |
| 第 13 章 Agent 智能体 | Agent 演变与工作原理、0.3 / 1.0 写法、ReAct、Agent 与 Tool / RAG / MCP 的边界 |
四、LangGraph
| 章节 | 核心内容 |
|---|---|
| 第 14 章 LangGraph 概述与快速入门 | LangGraph 定位、图编排思想、HelloWorld |
| 第 15 章 LangGraph API：图与状态 | Graph、State、Reducer、图在运行时如何推进 |
| 第 16 章 LangGraph API：节点、边与进阶 | Node、Edge、条件边、Send / Command / Runtime 上下文 |
| 第 17 章 LangGraph 高级特性 | 流式处理、状态持久化、人机协作、时间回溯、子图 |
| 第 18 章 LangGraph 多智能体与 A2A | 多智能体协作、Supervisor、Handoff、Skills 与多智能体边界 |
五、Skills 与 AI 编程工具
| 章节 | 核心内容 |
|---|---|
| 第 19 章 Skills 技能与 AI 编程工具实践 | Skill 定义、SKILL.md 与目录结构、渐进式加载、代码审查 Skill 实战 |
推荐学习路线
- 打基础：第 1 → 2 → 3 章，先跑通一次模型调用，再理解 Model I/O。
- 会组装：第 4 → 5 → 6 → 7 章，掌握本地模型、提示词、结构化输出与 LCEL。
- 能落地：第 8 → 9 → 10 → 11 章，把记忆、工具、向量检索与 RAG 串成完整应用。
- 进阶 Agent：第 12 → 13 章，理解 MCP 与 Agent 的职责边界。
- 学编排：第 14 → 15 → 16 → 17 → 18 章，用 LangGraph 构建有状态、多智能体流程。
- 提效率：第 19 章，用 Skills 沉淀可复用的 AI 编程能力。
目录与资源说明
- 章节文档都位于本目录下，章节之间的链接使用相对路径。
- 文档中的图片统一放在
images/目录，并按原书章节号分子目录存放。 - 原书中的案例源码已内联到对应章节的代码块中，无需额外下载即可阅读。
- 本目录可以整体迁移：图片与章节链接均为相对路径，迁移后只需同步调整站点侧边栏配置。
- 原始在线教程：https://didilili.github.io/ai-agents-from-zero/#/