专为大四学生设计的 LangChain Agent 开发实战课程。通过8个循序渐进的实验，掌握现代 AI Agent 开发的核心技能。

• Agent vs LLM: 理解智能决策与纯文本生成的本质区别
• 五大模式: 掌握 ReAct、Plan、Reflection、Tool Use、Multi-Agent
• 企业应用: 具备构建生产级智能系统的能力
• 实战导向: 每个实验都对应真实业务场景

/
├── exercises/              # 🎯 核心实验目录
│   ├── 1-create-agent/     # Agent 基础 (4个实验)
│   └── 2-use-agent/        # Agentic Pattern (4个实验)
├── longchain/              # 🛠️ 支持模块
│   ├── base/               # Agent工厂 & 预定义工具
│   ├── utils/              # 日志中间件 & 工具函数
│   ├── static/             # 测试数据
│   └── index.ts            # 自动监听器
└── README.md               # 📖 项目总览

# 1. 安装依赖
yarn

# 2. 启动自动监听器（推荐）
yarn start
# 修改任何实验文件都会自动执行

npx ts-node exercises/1-create-agent/1-agent.ts

exercises/1-create-agent/1-agent.ts      # Agent 创建
exercises/1-create-agent/2-prompt.ts     # 提示词设计  
exercises/1-create-agent/3-tools.ts      # 工具集成
exercises/1-create-agent/4-middleware.ts # 中间件监控

exercises/2-use-agent/1-reAct.ts         # ReAct 模式
exercises/2-use-agent/2-plan.ts          # Plan 模式
exercises/2-use-agent/3-reflection.ts    # Reflection 模式
exercises/2-use-agent/4-multi-agent.ts   # Multi-Agent 模式

• LangChain.js: AI Agent 开发框架
• TypeScript: 类型安全的开发语言
• Zod: 参数验证和类型推断
• CNB AI: 企业级 AI 服务接口

完成课程后，你将具备：

• ✅ Agent 开发的核心技能
• ✅ 五大 Agentic Pattern 实战经验
• ✅ 企业级 AI 系统设计能力
• ✅ 复杂业务场景解决方案
• ✅ AI 应用工程化开发能力

1. 按序学习: 严格按照 1-1 → 1-2 → 1-3 → 1-4 → 2-1 → 2-2 → 2-3 → 2-4 的顺序
2. 动手实践: 每个实验都要亲自运行和修改
3. 理解原理: 不仅要会用，更要理解背后的设计思想
4. 联系实际: 思考如何应用到具体的业务场景

• 确保 CNB_TOKEN 正确配置
• 复杂实验可能需要较长执行时间
• 多 Agent 系统会消耗更多 API 调用

---

🌟 掌握 AI Agent 开发，构建智能化未来！