10. 自测清单

1. 使用方式

这份清单用来检查你是否真的理解 LangChain 生态。

建议做法：

1. 先不看答案，自己口头回答。
2. 每个问题尽量用大白话解释。
3. 能写最小代码例子的，就写一个。
4. 答不上来的问题，回到对应专题文档复习。

动手验收

完成 示例统一准备，然后逐一运行 examples/01 至 examples/08 的脚本。验收时至少确认：

1. 01_chat_basics.py 输出一段 ChatGPT 中文回答。
2. 04_rag_pipeline.py 先打印检索到的来源文本，再打印带 [source] 的回答。
3. 05_agent_tools.py 能得到基于工具返回的年假答案。
4. 06_langgraph.py 能从 LangGraph 的最终 State 取到模型回答。
5. 设置 LangSmith 配置后，07_langsmith.py 的调用可在 LangSmith 项目中查询到。

2. 生态分层

1. langchain_core 和 langchain 有什么区别？
2. 为什么现在很多模型集成要用独立包？
3. langchain_community 适合放什么？
4. langgraph 和 langchain 是竞争关系吗？
5. langsmith 是写业务流程的，还是做观测评估的？

3. langchain_core

1. Message 里的 system、human、ai、tool 分别代表什么？
2. PromptTemplate 和 ChatPromptTemplate 有什么区别？
3. Runnable 解决什么问题？
4. .invoke()、.stream()、.batch() 有什么区别？
5. Tool 的名称和描述为什么重要？
6. OutputParser 失败时应该怎么处理？

4. 模型调用

1. Chat Model 和 Embedding Model 有什么区别？
2. 为什么 RAG 入库和查询最好使用同一个 embedding 模型？
3. 换 embedding 模型后为什么通常要重建索引？
4. temperature 对回答有什么影响？
5. streaming 适合什么场景？
6. 为什么要记录模型版本和参数？

5. RAG

1. RAG 的最小链路包含哪些步骤？
2. Document.page_content 和 Document.metadata 分别放什么？
3. chunk size 和 chunk overlap 会影响什么？
4. Loader 阶段最容易出什么问题？
5. Retriever 和 Vector Store 是什么关系？
6. top_k 太大或太小分别有什么问题？
7. 为什么答案必须带引用来源？
8. 检索不到资料时系统应该怎么回答？

6. Agent 和工具

1. 普通 RAG 和 Agentic RAG 的区别是什么？
2. Agent 为什么不是越自由越好？
3. 什么样的工具描述更容易让模型正确调用？
4. 为什么 Agent 必须限制最大步骤？
5. 工具调用失败时应该给模型返回什么？
6. 什么场景不适合使用 Agent？

7. LangGraph

1. State、Node、Edge 分别是什么？
2. Conditional Edge 解决什么问题？
3. 什么情况下需要循环？
4. 为什么循环必须有结束条件？
5. 什么场景需要 Checkpointer？
6. Human-in-the-loop 解决什么问题？
7. 一个好的 Node 应该满足什么标准？

8. LangSmith

1. Trace 能看到哪些信息？
2. 为什么只看最终答案不够？
3. Dataset 应该包含哪些样本？
4. Evaluation 可以评估哪些指标？
5. 用户 feedback 应该如何进入改进流程？
6. 企业 RAG 上线后至少要监控哪些指标？

9. 企业 RAG 工程化

1. 为什么权限过滤不能只靠前端？
2. 为什么不能先检索全部文档，再让模型不要说敏感内容？
3. 文档更新时为什么要处理旧 chunk？
4. 什么样的引用才算可追溯？
5. RAG 成本主要来自哪些地方？
6. 如何判断一次 Prompt 修改真的提升了效果？
7. 从 Demo 到生产还缺哪些能力？

10. 最终验收

如果你能完成下面 5 件事，说明你已经具备 LangChain 生态的基础实战理解：

1. 画出 LangChain、LangGraph、LangSmith、langchain_core 的关系图。
2. 写出一个最小 RAG 链路。
3. 把一个函数封装成 Tool。
4. 用 LangGraph 设计一个带条件分支的流程。
5. 用 LangSmith 分析一次错误回答的原因。