LangChain-RAG与Agent全链路实战

本页串联 LangChain 的主要实践环节：

1. 用 LangChain-PromptTemplate变量填充 构造提示词，并用 LCEL 组合模型与输出解析。
2. 用 LangChain-结构化输出与修复解析 把模型结果变成稳定结构，并处理格式错误。
3. 用 LangChain-文本切分与Embedding 控制检索粒度并生成向量。
4. 用 LangChain-Milvus-RAG链路 完成文档加载、入库、检索和回答生成。
5. 用 LangChain-工具型Agent 让模型规划并调用函数。
6. 用 LangChain-LangSmith追踪 观察调用链和调试运行过程。

主线：Prompt → LLM → Parser → 文档切分 → Embedding → 向量库 → 检索 → LLM。工具 Agent 与 LangSmith 分别补充执行和观测能力。