LangChain & LangGraph 教程项目

🚀 一个全面的 LangChain 和 LangGraph 学习教程，从基础概念到生产部署的完整学习路径。

本项目提供了一个渐进式的 LangChain 和 LangGraph 学习体验，包含：

• 📚 6 个核心教程模块：从环境配置到生产部署
• 🛠️ 3 个实战项目：聊天机器人、文档问答、代码生成器
• 🔧 完整的开发环境：Python 虚拟环境、依赖管理、配置系统
• 📖 详细的文档：每个概念都有清晰的解释和示例

langchain-course/
├── tutorials/                 # 教程模块
│   ├── 01_environment_setup/  # 环境配置
│   ├── 02_langchain_basics/   # LangChain 基础
│   ├── 03_advanced_chains/    # 高级链式操作
│   ├── 04_langgraph_intro/    # LangGraph 入门
│   ├── 05_custom_tools/       # 自定义工具
│   └── 06_production_ready/   # 生产部署
├── examples/                  # 实战项目
│   ├── chatbot/              # 聊天机器人
│   ├── document_qa/          # 文档问答系统
│   └── code_generator/       # 代码生成器
├── utils/                    # 工具模块
│   ├── __init__.py
│   └── config.py            # 配置管理
├── tests/                   # 测试文件
├── docs/                    # 文档
├── requirements.txt         # 项目依赖
├── .env.example            # 环境变量模板
├── setup.py               # 安装配置
└── README.md              # 项目说明

# 1. 删除损坏的虚拟环境(如果有)
rm -rf /workspace/.venv

# 2. 重新创建虚拟环境
python -m venv /workspace/.venv
source /workspace/.venv/bin/activate

# 3. 升级 pip
pip install --upgrade pip

# 4. 安装依赖
pip install -r requirements.txt

# 5. 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入你的API密钥
# 至少需要配置 OPENAI_API_KEY

# 6. 验证安装
python -m utils.config
# 如果看到 "✅ Configuration loaded successfully"，说明环境配置成功！

git clone <repository-url>
cd langchain-course

# 使用 venv
python -m venv langchain_env

# 激活虚拟环境
# Windows
langchain_env\Scripts\activate
# macOS/Linux
source langchain_env/bin/activate

pip install -r requirements.txt

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，填入你的API密钥
# 至少需要配置 OPENAI_API_KEY

python -m utils.config

1. OpenAI API Key（必需）
   • 访问 OpenAI API
   • 创建新的 API 密钥
   • 在 .env 文件中设置 OPENAI_API_KEY=your_key_here

2. LangChain API Key（用于追踪和监控）

   • 访问 LangSmith
   • 获取 API 密钥
   • 设置 LANGCHAIN_API_KEY=your_key_here

3. 其他服务（根据需要配置）

   • Anthropic Claude: ANTHROPIC_API_KEY
   • Google Gemini: GOOGLE_API_KEY
   • Hugging Face: HUGGINGFACE_API_TOKEN

• Python 环境设置
• 依赖管理
• API 密钥配置
• 基础测试

• LLM 基础概念
• 提示模板
• 链式操作
• 内存管理

• 复杂链构建
• 条件分支
• 并行处理
• 错误处理

• 图结构概念
• 节点和边
• 状态管理
• 工作流设计

• 工具开发
• 外部 API 集成
• 函数调用
• 工具链组合

• 性能优化
• 错误处理
• 监控和日志
• 部署策略

• 基础对话系统
• 上下文记忆
• 个性化回复
• Web 界面

• 文档解析
• 向量存储
• 语义搜索
• 答案生成

• 代码理解
• 自动生成
• 代码优化
• 测试生成

运行所有测试：

pytest tests/

运行特定测试：

pytest tests/test_config.py -v

• API 文档
• 配置指南
• 故障排除
• 贡献指南

欢迎贡献代码、报告问题或提出改进建议！

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开 Pull Request

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

如果遇到问题：

1. 查看 故障排除文档
2. 搜索现有的 Issues
3. 创建新的 Issue 描述你的问题
4. 加入我们的社区讨论

完成本教程后，你将能够：

• ✅ 熟练使用 LangChain 构建 AI 应用
• ✅ 掌握 LangGraph 的图结构编程
• ✅ 开发自定义工具和集成
• ✅ 部署生产级 AI 应用
• ✅ 优化性能和处理错误
• ✅ 实现复杂的 AI 工作流

🌟 开始你的 LangChain 学习之旅吧！ 🌟

从 tutorials/01_environment_setup/ 开始，按顺序完成每个模块。每个教程都包含详细的说明、代码示例和练习。

祝学习愉快！ 🚀