利用cursor快速上手学习langchain，小白借助AI高效学习教程

今天介绍我学习并上手langchain的方法，如何借助AI编程工具，帮我快速上手langchain，学习langchain源码。

主要的原理就是：

利用使用AI编程编辑器对上下文的理解，帮助解读langchain源码。

这个教程适合对编程感兴趣新手，以及有开发经验的人。利用这个方法，你可以快速攻克一个不熟悉的领域。

下面是详细的步骤。在开始之前，我建议你最好去阅读下langchain官方的文档，避免学习过程中，学习一些基本的原理，用法，概念。避免AI辅助的过程中误导。

一、clone langchain的源码到本地。

git clone https://github.com/langchain-ai/langchainjs

二、用AI编程软件打开项目

比如Cursor、Trae或者claude cli命令行都可以。

打开之后，确认下，代码库索引是否完成，最好等索引完成。

三、下面就是不断的提问

我总结了下有几个方向：

• 学习原理：通过提问式学习langchain的实现原理、看懂源码。

• 当作文档库：你也可以把它当作一个文档库，让他介绍一些API，参数等等，比官方文档还详细。

• 写Demo写代码：对于一个新出现的项目，AI并没有相关知识，借助项目源码，可以写出极其符合项目的代码案例。（最近在用Ant Design X 写项目，我就是把源码拉下来，让AI学习源码，帮我写demo，真是一点手都不想动😂）

先切换窗口到Ask模式。因为不需要改代码，切换到Ask模式，免的AI乱改。

案例：分析架构

案例：当调用createAgent，传入多个工具时，一步一步解释发生了什么？

案例：这个项目，都支持哪几种agent编排模式？

案例： invoke有哪些参数，应该如何传递系统提示词

有时候自己不想翻仓库找代码，直接提问，AI会帮你找到代码的位置，点击就可以跳转过去，学习源码必备啊。

总结

借助AI的上下文理解，学习一个项目的时间真是大大的缩短了。以前看源码看的头皮发麻。现在可以让AI边查找、边写案例、边解释。真的极大地缩短了学习进程。

AI发展的真是太快了，作为一个前端真是有极大的危机感。和同事闲聊的时候，同事开玩笑说了一句“我比AI成本低”，我觉得这个观念真的很危险。比成本，总有一天会被干掉。

AI不能替代的，是你超越AI的能力，只有你比他强，比他厉害，能够借助它做到它做不到的事情，才有未来。

如何高效转型Al大模型领域？

作为一名在一线互联网行业奋斗多年的老兵，我深知持续学习和进步的重要性，尤其是在复杂且深入的Al大模型开发领域。为什么精准学习如此关键？

• 系统的技术路线图：帮助你从入门到精通，明确所需掌握的知识点。
• 高效有序的学习路径：避免无效学习，节省时间，提升效率。
• 完整的知识体系：建立系统的知识框架，为职业发展打下坚实基础。

AI大模型从业者的核心竞争力

• 持续学习能力：Al技术日新月异，保持学习是关键。
• 跨领域思维：Al大模型需要结合业务场景，具备跨领域思考能力的从业者更受欢迎。
• 解决问题的能力：AI大模型的应用需要解决实际问题，你的编程经验将大放异彩。

以前总有人问我说：老师能不能帮我预测预测将来的风口在哪里？

现在没什么可说了，一定是Al；我们国家已经提出来：算力即国力！

未来已来，大模型在未来必然走向人类的生活中，无论你是前端，后端还是数据分析，都可以在这个领域上来，我还是那句话，在大语言AI模型时代，只要你有想法，你就有结果！只要你愿意去学习，你就能卷动的过别人！

现在，你需要的只是一份清晰的转型计划和一群志同道合的伙伴。作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】