• Publicar

Tutorial de Shanggu LangChain, introducción rápida a la práctica de langchain.

1.5M
4339
2025-09-16 10:00:00
Prohibida la reproducción sin autorización del autor
6995
5983
25.9K
2336
[Material complementario] Siga la cuenta pública/suscripción: Shanggu Education, responda "Modelo grande" para obtenerlo gratis. [Código abierto importante] Colección de inteligencia artificial, hardcore y gratuita, ¡el salario inicial promedio de los estudiantes supera los 26K! Python: BV1tDsgzxECr Análisis de datos: BV1D9GLzyEL6 LangChain: BV1ZppNzHEY4 Aprendizaje automático: BV1BYe4z5E9z Aprendizaje profundo: BV1MRJmzSEaa PNL: BV1k44LzPEhU El Dios del Código Abierto: actualizando sin parar, código abierto sin fin, ¡debes apoyar a Shanggu con tres likes!
Computadora
IA
Programación
LangChain4J
Grandes modelos
Shangguigu
尚硅谷 Enviar mensaje
1V1就业指导、简历模板、毕设，加小谷姐姐秋:3276742687
Selección de videos
（1/100）
01-Introducción al curso de LangChain
03:05
02-¿Qué es LangChain? ¿Cuáles son los marcos LLM más comunes?
10:15
03-¿Por qué usar LangChain?
12:21
04-Diseño de la arquitectura general de LangChain
06:37
05-Preparación previa al desarrollo y configuración del entorno
10:15
06-Desarrollo basado en arquitectura RAG
08:05
07-Desarrollo basado en arquitectura de Agente
05:51
08-4 escenarios para el desarrollo de aplicaciones de modelos grandes
04:26
09-Análisis de los módulos centrales de LangChain e implementación de HelloWorld
15:44
10-Clasificación de los modelos grandes y demostración de la clasificación por función
18:26
11-Invocación de modelos de conversación y no conversación mediante codificación fija
14:34
12-Uso de variables de entorno_llamada a modelos grandes mediante archivos de configuración
18:19
13-Llamada a modelos grandes a través de OpenAI y la plataforma Baidu Qianfan
08:09
14-Llamada a modelos grandes a través de Alibaba Cloud Bailian, Zhipu, Guiji Liudong
13:57
15-Resumen de las llamadas a modelos
04:52
16-Sobre la lista de mensajes de invocación del modelo de diálogo
20:06
17-Sobre conversaciones multimodales y memoria de contexto
08:49
18-Invocación bloqueante invoke() y de transmisión stream()
09:09
19-Comprensión: Llamadas por lotes y métodos síncronos y asíncronos
13:02
20-Comprensión de las plantillas de mensajes
10:09
21-Método de instanciación de PromptTemplate 1: Uso del constructor
08:37
22-Forma de instanciar PromptTemplate 2: from_template()
03:32
23-Dos formas de asignar variables de prompt parciales
11:32
24-Comparación de format() e invoke() e invocación de modelos grandes
11:46
25-Dos formas de instanciar ChatPromptTemplate
13:57
26-Cuatro métodos de llamada a plantillas y su comparación
10:43
27-Ejemplos de uso de 6 parámetros de instanciación diferentes
19:56
28-Reexplicación de los ejemplos 4 y 6
03:11
29-Invocación de modelos grandes_Uso de MessagesPlaceholder
16:38
30-Uso de FewShotPromptTemplate
16:12
31-Uso de FewShotChatMessagePromptTemplate
07:03
32-Uso de selectores de ejemplo
09:21
33-Uso de PiplinePromptTemplate_lectura de mensajes desde disco físico
05:32
34-Descripción general del analizador de salida_Uso de StrOutputParser
10:42
35-Uso de JsonOutputParser
12:43
36-Uso de la estructura de cadena con el símbolo de tubería
03:54
37-Uso de XMLOutputParser
11:57
38-Comprender el analizador de salida de CSV y Datetime
06:18
39-LangChain invocando modelos grandes locales
16:51
40-Comprender y ejemplificar las Cadenas (Chain)
11:51
41-Uso más básico de LLMChain
11:31
42-Uso de SimpleSequentialChain en cadenas secuenciales
13:41
43-Uso de SequentialChain para cadenas secuenciales
17:08
44-Comprender: Cadenas matemáticas, cadenas de enrutamiento, cadenas de documentos
05:58
45-Uso de create_sql_query_chain en las nuevas cadenas
15:34
46-Uso de la nueva cadena create_stuff_documents_chain
03:58
47-¿Por qué se necesita el módulo de Memoria?
06:30
48-Implementación personalizada de la función de memoria de un modelo grande
12:47
49-Ideas de diseño de Memory_Uso de ChatMessageHistory
09:15
50-Uso de ConversationBufferMemory para registrar el historial completo de conversaciones 1
09:42
51-Uso de ConversationBufferMemory para registrar el historial completo de conversaciones 2
14:11
52-Simplificación del registro histórico completo mediante ConversationChain
07:48
53-Uso de ConversationBufferWindowMemory para registrar los últimos k mensajes
11:28
54-Uso de ConversationTokenBufferMemory para limitar la memoria por tokens
06:37
55-Uso de ConversationSummaryMemory para guardar resúmenes históricos
10:15
56-Uso de memoria mixta ConversationSummaryBufferMemory
15:09
57-Uso de ConversationEntityMemory para la extracción de entidades
08:10
58-Uso de ConversationKGMemory para extraer grafos de conocimiento
02:18
59-Uso de VectorStoreRetrieverMemory basado en el almacenamiento vectorial
07:32
60-Elementos de la herramienta y pasos prácticos
10:03
61-Definición de herramientas, método 1: Uso del decorador @tool
09:57
62-Método de definición de herramientas 2: Uso de StructuredTool.from_function()
08:38
63-Ejemplo de invocación de herramientas de análisis de modelos grandes
12:16
64-Cómo invocar herramientas analizadas por modelos grandes
12:36
65-Comprender el Agente
14:35
66-Dos formas de crear Agentes y AgentExecutor
12:02
67-Modo tradicional de ReAct para llamadas a herramientas individuales
16:53
68-Modo tradicional de llamada a una sola herramienta con FUNCTION_CALL
03:29
69-Invocación de múltiples herramientas en modo tradicional ReAct y FUNCTION_CALL
05:28
70-Funciones y herramientas personalizadas del método tradicional
03:28
71-Invocación genérica del modo FUNCTION_CALL
12:22
72-Llamada al modo ReAct de forma universal
11:17
73-Resumen de las formas tradicionales y genéricas de llamar a herramientas
03:12
74-Ilustración del incrustado de memoria de forma tradicional usando el modo ReAct como ejemplo
14:47
75-Análisis del código fuente del tipo de agente ZERO_SHOT_REACT_DESCRIPTION
02:15
76-Uso de la modalidad FUNCTION_CALL para incrustar la memoria de forma genérica
06:51
77-Uso de la modalidad ReAct para incrustar la memoria de forma genérica
11:46
78-Significado del diseño del módulo de recuperación
11:14
79-Explicación general del proceso de recuperación (Retrieval)
10:07
80-Familiarizarse con los diferentes cargadores de documentos_Carga de documentos de texto
13:08
81-Carga de documentos en formato PDF y CSV
09:05
82-Carga de documentos en formato JSON
13:21
83-Carga de HTML, Markdown, directorios de archivos
06:01
84-Por qué dividir y estrategias de división
06:08
85-Análisis del código fuente de TextSplitter
19:02
86-Divisor específico 1: CharacterTextSplitter
14:01
87-Divisor específico 2: RecursiveCharacterTextSplitter
22:19
88-Divisor específico 3: TokenTextSplitter, CharacterTextSplitter
08:41
89-Divisor específico 4: SemanticChunker
07:03
90-Introducción a otros divisores
01:47
91-Introducción a los modelos de incrustación de documentos
02:55
92-Ejemplo: Vectorización de oraciones y vectorización de documentos
08:26
93-Comprensión y introducción a la función de almacenamiento de vectores
06:01
94-Función 1 de la base de datos vectorial: almacenamiento de datos
15:47
95-Funciones de la base de datos vectorial 2: Múltiples métodos de recuperación de datos
11:46
96-Introducción y ejemplo básico de recuperadores
08:21
97-Demostración de diferentes estrategias de recuperación de Retriever
05:52
98-Ejemplo de uso de RAG combinado con modelos grandes
06:18
99-Caso integral: Asistente de conversación inteligente
13:34
100-Último repaso
13:07

Tutorial de LangChain 2026, inicio rápido de langchain, proyecto práctico de Agente inteligente RAG
尚硅谷
2.3M 11K

El curso completo de desarrollo práctico de LangChain+LangGraph, versión 2026, desde el desarrollo de Agentes hasta la monitorización, depuración y evaluación con LangSmith, todo en uno.
Agent开发教程
22.4K 113

Primer lanzamiento en toda la red de introducción al desarrollo de IA + JavaWeb, tutorial completo en video del proyecto práctico del sistema de gestión Tlias, que cubre desde el análisis de requisitos, diseño, desarrollo front-end y back-end, pruebas, optimización de programas hasta la implementación del proyecto.
黑马程序员
12.5M 140.5K

¿Por qué no se recomienda el desarrollo de agentes?
程序员北风
44.6K 2

【Última versión 2026】 Aprende LangChain4j+LangChain+LangGraph en una semana, domina la construcción de aplicaciones de servicio al cliente inteligente RAG en 6 horas | ¡Desarrolla agentes inteligentes!
图灵课堂
9975 43

Tutorial de niñera Trae｜Introducción completa a la herramienta de programación de IA, enseñanza práctica de proyectos paso a paso
韩顺平
1M 1352

Tutorial práctico de modelos grandes: ¡Aprende LangChain en 20 minutos, análisis completo + práctica de proyectos + explicación de código, 20 minutos para dominar - modelo grande / introducción a modelos grandes / conceptos básicos de modelos grandes
大模型入门课程
36.8K 182

Reto: dominar LangGraph en 19 minutos – introducción rápida y análisis de principios
敲代码的码农
47.7K 80

【748 episodios en total】El tutorial completo y detallado de modelos grandes de IA desde cero más completo de Bilibili, la última versión de 2025, ¡incluye todos los consejos! ¡Puedes pasar de principiante a experto en siete días! ¡Evita el 99% de los desvíos! ¡Guárdalo! ¡Es difícil encontrarlo completo!
大模型官方课程
3.8M 10.4K

Curso completo en video de LangChain+LangGraph de Black Horse Programmer 2026, desde el desarrollo de agentes hasta el monitoreo, depuración y evaluación de LangSmith, todo en uno.
黑马程序员
1.8M 5542

Programador Caballo Negro Python + Gran Modelo de IA de Cero a Proyecto Práctico, cubriendo Python, Linux, LangChain, Ollama, etc., desde la implementación privada de grandes modelos hasta la construcción de chatbots, todo en uno.
黑马程序员
1.8M 6136

【LangChain教程】2025吃透LangChain框架快速上手与深度实战，全程干货无废话，三天学完，让你少走百分之99弯路！
楼兰架构师
47.9K 84

¿Para el desarrollo de aplicaciones Java AI, aprendo langchain4j o springai? Sugiero ir directamente con springai sin pensar
徐庶说技术
21.8K 3

Tutorial práctico de proyecto de agente inteligente y RAG de modelo grande de HeiMa Programador, basado en la tecnología dominante de LangChain, desde el aviso del modelo grande hasta el proyecto práctico.
黑马程序员
3.7M 12.9K

¡Aprende los fundamentos y principios de LangChain en 10 minutos! ¡Hasta un novato puede aprenderlo fácilmente!
ManusAI模型教程
31.4K 15

Tutorial de LangGraph de Shangguigu, introducción a langgraph, proyecto práctico de agente inteligente de langgraph
尚硅谷
768K 4584

Visita sorpresa a los modelos grandes de Shanggu en Beijing, ¡qué locura!... ¿15k es una cantidad insignificante?... Formación en TI
龙哥说IT
16.4K 1

【Práctica de LangChain】En 30 minutos, comprenderás completamente la introducción rápida y los principios subyacentes de LangChain, ¡llevándote a construir desde cero tu conocimiento de los grandes modelos! ¡Incluso los principiantes lo entenderán!
AI大模型全栈
14.8K 102

SpringAi和Langchain4j有什么区别？Java程序员学习AI应该选择哪个框架？一个视频详解为什么推荐使用SpringAI！
徐庶说技术
40.5K 20

Mecanismo de trabajo de RAG explicado en detalle: el flujo de trabajo técnico completo detrás de una base de conocimiento de alta calidad.
马克的技术工作坊
429.5K 615
Expandir
漫威课代表集合，奖金好礼等你来>>
Servicio al cliente
Arriba
赛事库 课堂 2021拜年纪