基于 LangChain 全家桶，实战构建入门级 AI Agent

📚 课程概述

本课程是一套完整的 LangChain 生态系统学习路径，涵盖从基础环境搭建到高级多代理系统开发的全流程。通过 27 个小项目，你将掌握：

• ✅ LangChain 核心：模型调用、提示词工程、工具系统、Agent 架构
• ✅ RAG 系统：语义搜索、向量存储、检索增强生成
• ✅ LangGraph：状态化工作流、图 API、函数式 API、时间旅行
• ✅ 多代理系统：子代理、代理交接、路由器、自定义工作流
• ✅ Deep Agents：深度研究代理、沙箱执行、技能系统
• ✅ 可观测性：Langfuse 监控、测试评估、生产部署

🗂️ 课程目录

第一阶段：基础入门（Lesson 01-04）

第二阶段：LangChain 核心应用（Lesson 05-08）

第三阶段：记忆系统（Lesson 09-10）

第四阶段：LangGraph 深度掌握（Lesson 11-14）

第五阶段：多代理系统（Lesson 15-19）

第六阶段：Deep Agents 框架（Lesson 20-25）

第七阶段：可观测性与测试（Lesson 26）

第八阶段：部署与 UI（Lesson 27）

🚀 快速开始

1. 环境准备

# 安装 Python 3.10+（如未安装）
brew install python

# 创建虚拟环境
brew install uv
uv init
uv venv
source .venv/bin/activate

# 安装依赖
uv pip install langchain langchain-openai langgraph

2. 配置环境变量

创建 .env 文件（项目根目录已提供模板）：

OPENAI_API_KEY=your_openai_api_key
# 根据需要添加其他 API Key
LANGFUSE_PUBLIC_KEY=your_langfuse_public_key
LANGFUSE_SECRET_KEY=your_langfuse_secret_key
LANGFUSE_HOST=https://cloud.langfuse.com

3. 运行课程示例

# 运行第一课
python lesson01_environment_and_quickstart.py

# 运行任意课程
python lessonXX_课程名称.py

📖 学习路径建议

初学者路径（预计 8-12 周）

1. 第 1-2 周：完成 Lesson 01-04，掌握基础概念
2. 第 3-4 周：完成 Lesson 05-08，构建第一个 RAG 和 SQL Agent
3. 第 5-6 周：完成 Lesson 09-14，深入 LangGraph 和记忆系统
4. 第 7-8 周：完成 Lesson 15-19，实现多代理协作
5. 第 9-10 周：完成 Lesson 20-25，掌握 Deep Agents 框架
6. 第 11-12 周：完成 Lesson 26-27，部署可观测的生产系统

进阶路径（预计 4-6 周）

• 跳过基础概念，直接从 Lesson 05 开始
• 重点学习 LangGraph（Lesson 11-14）和多代理系统（Lesson 15-19）
• 深入 Deep Agents（Lesson 20-25）进行高级应用开发

🛠️ 核心技术栈

📂 项目结构

langchain_course/
├── lesson01_environment_and_quickstart.py    # 环境搭建
├── lesson02_models_and_messages.py           # 模型与消息
├── lesson03_tools_advanced.py                # 工具高级用法
├── ...
├── lesson27_final_agent_chat_ui.py           # 最终项目
├── langchain_course_curriculum.md            # 详细课程大纲
├── memory/                                   # 记忆系统示例数据
├── skills/                                   # 技能系统示例
├── skills-sub/                               # 子代理技能
├── local_auth_project/                       # 本地认证项目
└── bing-cn-mcp-server/                       # MCP 服务器示例

💡 学习建议

✅ 最佳实践

1. 动手实践：每节课都有代码示例，务必亲自运行和修改
2. 循序渐进：按照课程顺序学习，前期基础决定后期上限
3. 记录笔记：建议为每个模块编写学习笔记和总结
4. 调试优先：遇到问题先使用 print() 或调试工具理解执行流程
5. 查阅文档：培养查阅官方文档的习惯，这是最重要的学习能力

⚠️ 常见陷阱

• 不要跳过环境配置直接运行代码
• 不要忽视提示词工程的基础练习
• 不要在未理解单代理的情况下直接进入多代理
• 不要忘记配置 .env 文件中的 API Key

🔗 参考资源

• 📖 LangChain 官方文档
• 📖 LangGraph 文档
• 📖 Deep Agents 仓库
• 📖 Langfuse 文档
• 📖 OpenAI API 文档

📝 课程大纲

详细的课程大纲和模块说明请参考：langchain_course_curriculum.md

🤝 贡献与反馈

如果你在学习过程中发现问题或有改进建议，欢迎：

• 提交 Issue 描述问题
• 提交 Pull Request 修复 bug
• 分享学习经验和最佳实践

📄 许可证

本项目 Fork / 参考自以下开源项目：https://github.com/yaoqin5588/langchain_course。 在学习与调试过程中，对部分代码和内容进行了修改与补充，仅用于个人学习与实践。如涉及转载，请参考原项目说明。