7 天 LangChain学习计划表天数当日主题理论学习内容落地实践任务预估时长Day 1环境验证 核心认知1. LangChain 核心价值与 6 大组件模型/提示/链/记忆/文档处理/RAG概览2. 本地环境二次校验梳理已装依赖1. 运行 Hello World 示例实现简单文本生成2. 封装 1 个通用模型调用函数1.5hDay 2模型层 提示工程1. 本地模型参数配置温度、最大生成长度、上下文窗口2. PromptTemplate / ChatPromptTemplate / FewShotPromptTemplate1. 不同参数下的模型输出对比2. 编写 2 个可复用提示模板文本总结、问题解答1.5-2hDay 3链Chains 记忆Memory1. LLMChain / SimpleSequentialChain 核心逻辑2. ConversationBufferMemory / ConversationSummaryMemory 用法1. 实现两步链式调用总结 → 生成问答2. 开发本地简易多轮对话机器人2hDay 4文档处理 向量化1. 本地文档加载与分割RecursiveCharacterTextSplitter2. FAISS 本地向量库的创建与调用1. 加载自定义文档完成清洗 → 分割 → 向量化全流程2. 实现简单的相似性检索2hDay 5RAG 单 Agent 入门1. RAG 完整流程Retriever 配置、检索→生成链路2. Agent 核心概念ReAct 循环、Tool Calling、create_agent 使用方式1. 实现本地 RAG 问答机器人返回带文档依据的答案2. 搭建一个能调用工具的简单 Agent如计算器、时间查询2.5hDay 6综合实战RAG Agent 融合1. 整合记忆 RAG 工具调用构建增强型文档助手2. Agent 自主判断何时检索、何时调用工具、何时直接回答1. 开发支持多轮对话的 RAG Agent能根据历史问题优化检索必要时调用外部工具2. 添加兜底逻辑处理无匹配知识库的情况2.5hDay 7Multi-Agent 实战 进阶方向1. Multi-Agent 核心概念Pipeline、Supervisor、Blackboard 三种通信模式2. LangGraph 多节点编排实现多 Agent 协作3. 梳理后续进阶方向工程化、多模态、生产部署1. 搭建 Supervisor Worker 架构主 Agent 拆解任务分派给子 Agent 执行2. 实战搭建“文档分析团队”——检索 Agent 摘要 Agent 评审 Agent 协作完成深度分析2.5h7 天知识覆盖总览Day 1-2模型调用 提示工程基础 Day 3链式调用 记忆系统多步交互 Day 4文档处理 向量化RAG 前置 Day 5RAG 检索 单 Agent 入门核心能力 Day 6RAG Agent 融合实战综合整合 Day 7Multi-Agent 协作实战进阶亮点掌握 LangChain 的核心组件模型、提示、链、记忆、RAG Agent 和 Multi-Agent 这些高频考点。