LangChain、LangGraph 和 LangSmith 完整課程（2026）

使用 LangChain 實現模組化，使用 LangGraph 建立代理，並使用 LangSmith 進行監控。

從這 29.5 小時的課程，你會學到

精通 LCEL 編排：使用 LangChain 表達式語言和 Runnable 介面建立高效、可組合的 AI 管線。
開發自主代理：使用 create_agent 建立能夠推理並與外部工具互動的智慧助理。
建立有狀態圖：使用 LangGraph 設計非線性 AI 工作流程，以處理複雜的分支和循環邏輯。
實現穩健的持久性：使用檢查點保存圖狀態，使代理程式能夠恢復任務並維護記憶體。
啟用生產環境監控：設定 LangSmith 以追蹤應用程式執行的每一步，從而實現快速調試和優化。
評估 AI 效能：利用 LangSmith 資料集和函數在實際場景中監控延遲、成本和輸出品質。

要求

基本 Python 知識：需要熟悉 Python 語法、函數和列表推導式。
API 基礎：需要了解如何使用 API 金鑰（例如 OpenAI 或 Anthropic）以及如何發出基本的 Web 請求。
問題解決思維：無需任何人工智慧經驗，但必須渴望建構和迭代複雜的系統。

課程說明

歡迎來到最全面、最新的現代人工智慧技術棧指南：LangChain、LangGraph 和 LangSmith。在 2026 年，僅僅圍繞 LLM 構建一個簡單的封裝已經遠遠不夠。要創建真正有用的應用程序，它們必須具備可靠性、狀態性和可觀察性。本課程旨在透過掌握 LangChain 生態系統的三大支柱，幫助您從初學者成長為專業的 AI 工程師。

我們首先學習 LangChain，您將學習如何使用 LangChain 表達式語言 (LCEL) 超越基本的 API 呼叫。您將掌握編排的藝術，建構高效、非同步且可用於生產環境的「可運行鏈」。接下來，我們將過渡到 LangGraph，它是建立智慧體工作流程的產業標準。您將學習如何擺脫線性鏈，轉向循環狀態機，並使用檢查點實現持久化，從而確保您的 agent 永遠不會“忘記”對話或在崩潰時丟失工作進度。

最後，我們將使用 LangSmith 彌合開發和生產之間的鴻溝。你將學習如何即時監控應用程式，利用詳細的追蹤資訊來調試複雜的推理路徑，並使用評估套件來確保你的人工智慧完全按照預期運行。這不僅是一門程式設計課程，更是一份建構企業級人工智慧系統的藍圖，這些系統既強大又聰明。

目標受眾

有志成為人工智慧工程師的人士，正在尋找一條全面、統一的途徑，從零開始掌握整個 LangChain 生態系統。
需要超越簡單的聊天機器人，建構複雜、有狀態的智慧體工作流程的軟體開發人員。
希望了解如何在生產環境中監控、追蹤和評估 LLM 應用的資料科學家和產品經理。

講師簡介

Fikayo Adepoju 擁有超過 10 年分散式應用開發經驗的連續創業家

Fikayo Adepoju 是一位全端開發人員、技術作家和技術內容創作者，精通 Web 和行動技術以及 DevOps，擁有超過 10 年的可擴展分散式應用程式開發經驗。他為 Twilio、CircleCI、Auth0 和 The New Stack 的部落格以及他的個人 Medium 頁面撰寫了 40 多篇文章，Fikayo 樂於與盡可能多的開發人員分享他的知識。