第一章 使用 LangChain 必備的 LLM 基礎知識?

設置 LangChain 環境?

在 LangChain 中使用 LLM?

讓 LLM 的指示詞可以重複使用?

從 LLM 取得特定格式的輸出?

組合 LLM 應用程式的各個部分?



第二章 RAG 首部曲：為你的資料建立索引?

目標：為 LLM 挑選相關的脈絡?

embedding：將文字轉換成數值?

將文件轉換成文字?

將文字拆成小段落?

產生文字embedding?

將 embedding 存入向量庫?

追蹤文件的變更?

索引最佳化?



第三章 RAG 二部曲：與你的資料對話?

Retrieval-Augmented Generation 簡介?

查詢句轉換?

查詢句路由?

建構查詢句?



第四章 使用 LangGraph 來為聊天機器人加入記憶功能?

建立聊天機器人記憶系統?

介紹 LangGraph?

建立 StateGraph?

為 StateGraph 加入記憶功能?

修改聊天歷史?



第五章 LangGraph 與認知架構?

架構 #1：LLM 呼叫?

架構 #2：鏈式架構?

架構 #3：路由器?



第六章 agent 架構?

Plan-Do 迴圈?

建立一個 LangGraph agent?

始終先呼叫某一個工具?

使用大量工具?



第七章 Agents 第二集?

反省?

LangGraph 的 subgraph?

多 agent 架構?



第八章 善用 LLM 的設計模式?

結構化輸出?



第九章 部署：將 AI 應用程式部署到正式環境?

先決條件?

瞭解 LangGraph Platform API?

在 LangGraph Platform 上部署 AI 應用程式?

安全?



第十章 測試：評估、監控與持續改進?

在 LLM app 開發週期中的測試技巧?

設計階段：能自我修正的 RAG?

預備上線階段?

正式上線階段?



第十一章 使用 LLM 來建構應用程式?

互動式聊天機器人?

與 LLM 合作編輯?

環境式運算（ambient computing）



?