10 个 LangChain 实战项目（附核心代码）

目录1、 AI 聊天机器人入门项目1.1 项目介绍1.2 核心代码2、 PDF 文档问答系统2.1 项目介绍2.2 技术架构2.3 核心代码3、 AI 知识库问答系统3.1 项目介绍3.2 技术架构3.3 核心代码4、 AI SQL 数据分析助手4.1 项目介绍4.2 核心代码5、 AI 搜索助手5.1 项目介绍5.2 核心代码6、 AI 编程助手6.1 项目介绍6.2 核心代码7、 AI 自动化 Agent7.1 项目介绍7.2 项目架构7.3 核心代码8、 多 Agent 协作系统8.1 项目介绍8.2 项目架构9、 AI 客服机器人9.1 项目介绍9.2 核心代码10、 企业 AI 办公助手10.1 项目介绍10.2 技术架构推荐学习路线总结在 AI 应用开发中大模型只是“引擎”真正的系统需要大模型 数据 工具 工作流LangChain 的作用就是将这些能力连接起来。下面介绍10 个真实可落地的 LangChain 项目。1、 AI 聊天机器人入门项目1.1 项目介绍最简单的 LangChain 应用用户聊天、调用大模型、多轮对话支持模型GPT-4、DeepSeek1.2 核心代码from langchain_openai import ChatOpenAI from langchain.schema import HumanMessage # 初始化模型 llm ChatOpenAI( modelgpt-4o, temperature0.7 ) # 用户输入 message HumanMessage(content介绍一下LangChain) # 调用模型 response llm.invoke([message]) print(response.content)2、 PDF 文档问答系统2.1 项目介绍实现上传 PDF、自动建立知识库、智能问答这是最典型的RAG 应用。2.2 技术架构PDF ↓ 文本切分 ↓ Embedding ↓ 向量数据库 ↓ LLM问答向量数据库FAISS2.3 核心代码from langchain_community.document_loaders import PyPDFLoader from langchain.text_splitter import RecursiveCharacterTextSplitter loader PyPDFLoader(example.pdf) documents loader.load() splitter RecursiveCharacterTextSplitter( chunk_size500, chunk_overlap50 ) docs splitter.split_documents(documents)3、 AI 知识库问答系统3.1 项目介绍企业最常见 AI 系统内部文档问答、技术文档助手、研发知识库3.2 技术架构文档 ↓ Embedding ↓ 向量数据库 ↓ LangChain检索 ↓ LLM回答向量数据库Chroma3.3 核心代码from langchain_community.vectorstores import Chroma from langchain_openai import OpenAIEmbeddings embeddings OpenAIEmbeddings() vectorstore Chroma.from_texts( texts[LangChain是AI开发框架], embeddingembeddings, persist_directory./db ) docs vectorstore.similarity_search(什么是LangChain) print(docs[0].page_content)4、 AI SQL 数据分析助手4.1 项目介绍用户可以用自然语言查询数据库。例如用户今年销售额最高的产品是什么AI 自动生成SQL 执行查询 解释结果4.2 核心代码from langchain.agents import create_sql_agent from langchain_openai import ChatOpenAI from langchain.sql_database import SQLDatabase db SQLDatabase.from_uri(sqlite:///sales.db) llm ChatOpenAI(modelgpt-4o) agent create_sql_agent( llmllm, dbdb, verboseTrue ) agent.invoke(查询销售额最高的产品)5、 AI 搜索助手5.1 项目介绍类似 AI 版搜索引擎自动搜索汇总信息生成报告5.2 核心代码from langchain.tools import Tool def search(query): return f搜索结果{query} search_tool Tool( namesearch, funcsearch, description用于互联网搜索 )6、 AI 编程助手6.1 项目介绍实现类似Copilot、AI 代码生成、代码解释6.2 核心代码from langchain.prompts import PromptTemplate template 你是一名Python专家 问题 {question} 代码 prompt PromptTemplate( templatetemplate, input_variables[question] ) print(prompt.format(question写一个快速排序))7、 AI 自动化 Agent7.1 项目介绍Agent 可以自动规划任务、调用工具、完成复杂工作7.2 项目架构用户任务 ↓ Agent ↓ 选择工具 ↓ 执行7.3 核心代码from langchain.agents import initialize_agent agent initialize_agent( tools[search_tool], llmllm, agentzero-shot-react-description, verboseTrue ) agent.invoke(搜索人工智能最新发展)8、 多 Agent 协作系统8.1 项目介绍使用LangGraph实现Planner Agent、Research Agent、Writer Agent8.2 项目架构用户任务 ↓ 规划Agent ↓ 研究Agent ↓ 写作Agent9、 AI 客服机器人9.1 项目介绍功能自动回答用户问题、企业知识库支持、客服自动回复9.2 核心代码from langchain.chains import RetrievalQA qa RetrievalQA.from_chain_type( llmllm, retrievervectorstore.as_retriever() ) result qa.invoke(公司退货政策是什么) print(result)10、 企业 AI 办公助手10.1 项目介绍完整 AI 系统文档问答、数据分析、自动写报告、自动任务10.2 技术架构前端Vue │ ▼ APIFastAPI │ ▼ LangChain │ ┌──┴───┐ RAG Agent │ ▼ LLM推荐学习路线1 聊天机器人 2 PDF问答 3 知识库系统 4 SQL Agent 5 搜索助手 6 编程助手 7 自动化Agent 8 多Agent系统 9 AI客服 10 AI办公助手总结LangChain 的核心价值是LLM 数据 工具 工作流通过这些能力可以构建AI知识库AI AgentAI自动化系统企业级AI平台这也是未来AI应用开发的重要方向。