课程总览DAY 05

预计 150 分钟 · 软顺序学习

LangChain、LangGraph 与 AI 应用工程

未开始

能判断简单 API 调用、LangChain 组件化和 LangGraph 状态化工作流的适用边界。

必看资料0/4
知识小测0/5
AI 作业待提交

01 / 学习

先建立正确的判断框架

0/4 已完成

逐项打开资料并在看完后打卡。选看不影响本日通过，但适合在有余量时补充。

01
LangChain overview LangChain Docs
02
Build a RAG agent with LangChain LangChain Docs
03
Build a custom RAG agent with LangGraph LangGraph Docs
04
LangChain Academy LangChain
选看资料 · 不影响通过条件
01
LangChain for LLM Application Development DeepLearning.AI
02
AI Agents in LangGraph DeepLearning.AI
03
LangChain YouTube YouTube

02 / 产出

写下可以被检查的答案

需 ≥ 70 分

当天任务

## Day 5 学习作业

为「AI 产品知识库助手」设计最小 Demo。请写出：
1. 用户流程（上传文档到带引用回答）
2. 组件与数据流（文档切块、embedding、vector store、retriever、LLM）
3. 选择直接 API、LangChain 或 LangGraph 的理由
4. 一个状态或人工确认点，以及为什么需要它
5. 推荐技术栈与最小可验证版本

重点是最小可行和可解释，不要为了使用框架而堆组件。
验收标准

能说明简单场景可直接调 API；LangChain 适合组件化；LangGraph 适合有状态、可控、可观测的 agent workflow。

0/12000

03 / 考核

五题概念检查

通过线 4/5

答完后立即查看解释。可以不限次数重做，系统保留最高分。

  1. 01何时最适合直接调用模型 API？

  2. 02LangChain 的核心价值更接近？

  3. 03LangGraph 更适合什么？

  4. 04一个 RAG Demo 的最小可验证输出应该包含？

  5. 05引入框架前最好的判断原则是？

本日完成定义

完成资料、通过小测、拿到 70 分以上作业评分。

不需要一次完成。进度与草稿会留在此浏览器，之后可从设置页导出备份。