# langgraph-course **Repository Path**: pungee/langgraph-course ## Basic Information - **Project Name**: langgraph-course - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-11-21 - **Last Updated**: 2025-11-22 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 🚀 LangGraph 从零到实战：打造你的第一个 AI 应用 欢迎来到 AI 应用开发的奇妙世界！这套教程就像一位耐心的向导，会手把手带你走进智能应用的大门。如果你已经掌握了 Python 的基础语法，想要亲手创造出能够对话、思考甚至协作的 AI 程序，那么这里就是你最理想的起点。 想象一下，当你告诉朋友"我开发了一个智能助手"时那种自豪感。或者当你在简历中写上"熟练掌握 LangGraph 和多代理系统开发"时那份自信。这些都不是梦想，而是你在这套教程完成后就能实实在在拥有的技能。 ## 🎯 你将成为什么样的开发者？ 学完这套教程，你将拥有让同龄人羡慕的硬核技能： 🤖 **独立创造智能对话伙伴** - 不再是简单的问答回复机，而是能记住用户喜好、理解上下文的真正智能伙伴 🧠 **掌握AI系统的核心架构** - 从简单的聊天机器人到复杂的多代理协作系统，你将理解它们背后的设计思维 💼 **拥有可以展示的完整项目** - 这些不是练习题，而是可以放到 GitHub、写在简历上的真实作品 🎨 **建立AI开发的正确认知** - 你会明白什么叫做"AI思维"，如何像AI架构师一样思考问题 ## 🌟 为什么这套教程与众不同？ ### 🎓 像朋友一样教你的入门指南 想象一下，你的一个程序员朋友正在耐心地教你 AI 开发。他不会用复杂的专业术语来显示自己有多厉害，而是用最简单的生活比喻来解释每个概念。这套教程就是这样的朋友。 我们相信最好的学习方式是让你始终感受到进步的喜悦。每完成一章，你都会有一个可以立即使用的智能应用。这种即时成就感会让你像玩游戏升级一样，想要一直学习下去。 ### 🛠️ 在实战中掌握真正的技能 传统的编程教程往往让你先学一堆理论，最后才让你写代码。但我们反其道而行之，让你先做出能用的东西，然后在实践中学懂背后的原理。 这就像学骑自行车，理论看再多遍都不如亲自骑一次。我们每章都围绕一个完整的项目，从最简单的聊天机器人开始，逐步增加功能复杂度。你会在不知不觉中掌握原本看似深奥的概念。 ### 🏗️ 用可视化的方式理解AI思维 AI 开发中的很多概念都很抽象，比如"状态机"、"条件路由"、"多代理协作"等。如果只用文字解释，就像让人在黑暗中摸象，很难理解全貌。 我们为你准备了大量的图表和动画，这些不是装饰性的插图，而是真正能帮助你建立直观理解的工具。你会看到数据如何在系统中流动，AI 如何做出决策，多个智能体如何协作。 ## 📋 学习路径 ```mermaid graph TD; A[第0章 AI应用启蒙
理解AI开发的世界] --> B[第1章 对话机器人
我的第一个AI应用] B --> C[第2章 记忆化助手
让AI记住用户] C --> D[第3章 思考型AI
学会决策和工具调用] D --> E[第4章 AI团队协作
多代理系统开发] E --> F[第5章 产品发布
从原型到可发布产品] ``` ### 🎪 各章节详细介绍 #### **第 0 章：AI 应用开发启蒙** _(免费试学)_ - **学习目标**：建立 AI 应用开发的正确认知，理解 LangGraph 的价值 - **实战项目**：体验现有 AI 应用，分析其工作原理 - **核心技能**：AI 应用思维模式、学习路径规划 - **学习时间**：1 小时 --- #### **第 1 章：我的第一个智能对话机器人** ⭐ _（3 个递进案例）_ **案例 1-1：最简聊天机器人** (`examples/hello_graph/main.py`) - 🎯 **核心知识点**：StateGraph 基础、状态定义、节点设计 - 🔤 **掌握技能**：能构建最基本的 LangGraph 应用 - ⏱️ **学习时间**：30 分钟 **案例 1-2：流式对话增强** (`examples/hello_graph/stream_modes.py`) - 🎯 **核心知识点**：stream 模式、实时监控、执行过程观察 - 🔤 **掌握技能**：掌握调试和性能监控技术 - ⏱️ **学习时间**：45 分钟 **案例 1-3：智能对话优化** (`examples/hello_graph/advanced_examples.py`) - 🎯 **核心知识点**：状态扩展、输入验证、错误处理 - 🔤 **掌握技能**：构建生产级对话系统 - ⏱️ **学习时间**：1 小时 **章节总览**： - **核心知识点**：12 个 - **总学习时间**：2 小时 15 分钟 - **成果展示**：功能完整的智能聊天机器人 --- #### **第 2 章：打造个性化 AI 助手** _（4 个递进案例）_ **案例 2-1：基础状态管理** (`examples/core_concepts/state_management_examples.py`) - 🎯 **核心知识点**：复杂状态设计、状态合并策略、工作流状态 - 🔤 **掌握技能**：设计多层次状态系统 - ⏱️ **学习时间**：1 小时 **案例 2-2：图类型选择** (`examples/core_concepts/message_graph_examples.py`) - 🎯 **核心知识点**：StateGraph vs MessageGraph、性能优化选择 - 🔤 **掌握技能**：根据场景选择合适的图类型 - ⏱️ **学习时间**：45 分钟 **案例 2-3：最佳实践应用** (`examples/core_concepts/best_practices_examples.py`) - 🎯 **核心知识点**：分层设计、类型安全、性能优化 - 🔤 **掌握技能**：构建生产级状态管理系统 - ⏱️ **学习时间**：1.5 小时 **案例 2-4：用户画像系统** _(新增)_ - 🎯 **核心知识点**：用户数据持久化、偏好学习、个性化推荐 - 🔤 **掌握技能**：构建有记忆的个性化 AI 助手 - ⏱️ **学习时间**：2 小时 **章节总览**： - **核心知识点**：18 个 - **总学习时间**：5 小时 - **成果展示**：有长期记忆的个性化智能助手 --- #### **第 3 章：让 AI 学会思考和决策** _（4 个递进案例）_ **案例 3-1：条件路由基础** (`examples/branching_memory/main.py`) - 🎯 **核心知识点**：条件判断、路由函数、智能决策 - 🔤 **掌握技能**：让 AI 根据情况做不同处理 - ⏱️ **学习时间**：1 小时 **案例 3-2：安全防护机制** (`examples/branching_memory/advanced_memory_examples.py`) - 🎯 **核心知识点**：内容过滤、风险评分、信任等级 - 🔤 **掌握技能**：构建安全可靠的 AI 系统 - ⏱️ **学习时间**：1.5 小时 **案例 3-3：工具调用系统** _(新增)_ - 🎯 **核心知识点**：工具集成、API 调用、函数执行 - 🔤 **掌握技能**：让 AI 能够使用外部工具 - ⏱️ **学习时间**：2 小时 **案例 3-4：智能测试框架** (`examples/branching_memory/tests_demo.py`) - 🎯 **核心知识点**：Fake LLM、测试驱动、质量保证 - 🔤 **掌握技能**：建立完善的测试体系 - ⏱️ **学习时间**：1 小时 **章节总览**： - **核心知识点**：22 个 - **总学习时间**：5.5 小时 - **成果展示**：会分析问题、调用工具的安全 AI 助手 --- #### **第 4 章：组建 AI 开发团队** _（3 个递进案例）_ **案例 4-1：基础多代理协作** (`examples/multi_agent/main.py`) - 🎯 **核心知识点**：代理分工、并行执行、状态共享 - 🔤 **掌握技能**：设计专业的 AI 协作团队 - ⏱️ **学习时间**：2 小时 **案例 4-2：反馈回路优化** (`examples/multi_agent/feedback_loop.py`) - 🎯 **核心知识点**：质量评估、迭代改进、收敛控制 - 🔤 **掌握技能**：实现自优化的 AI 系统 - ⏱️ **学习时间**：1.5 小时 **案例 4-3：动态代理团队** _(新增)_ - 🎯 **核心知识点**：动态组建、冲突解决、负载均衡 - 🔤 **掌握技能**：构建智能的多代理管理系统 - ⏱️ **学习时间**：2.5 小时 **章节总览**： - **核心知识点**：20 个 - **总学习时间**：6 小时 - **成果展示**：AI 分析师、创作员、审查员协作系统 --- #### **第 5 章：从原型到发布产品** _（3 个递进案例）_ **案例 5-1：基础 Web 服务** (`examples/deploy_api/app.py`) - 🎯 **核心知识点**：FastAPI 封装、异步处理、错误管理 - 🔤 **掌握技能**：将 AI 应用包装为 Web 服务 - ⏱️ **学习时间**：1.5 小时 **案例 5-2：客户端集成** (`examples/deploy_api/client_demo.py`) - 🎯 **核心知识点**：HTTP 客户端、异步调用、并发处理 - 🔤 **掌握技能**：开发 AI 服务的客户端应用 - ⏱️ **学习时间**：1 小时 **章节总览**： - **核心知识点**：16 个 - **总学习时间**：5 小时 - **成果展示**：完整的 Web 应用，可部署上线 --- ## 📊 课程学习总览 ### 🎯 技能掌握进阶路径 ```mermaid graph TD; A[🔴 基础级
LangGraph概念与基本应用] --> B[🟡 中级
状态管理与控制流] B --> C[🟡 高中级
智能决策与安全防护] C --> D[🔴 高级
多代理协作系统] D --> E[🔴 专家级
生产部署与系统优化] ``` ### 📈 学习数据统计 | 章节 | 案例数量 | 核心知识点 | 学习时间 | 难度等级 | | ----------- | -------- | ---------- | -------------- | ---------- | | **第 0 章** | 1 | 8 个 | 1 小时 | 🟢 入门 | | **第 1 章** | 3 | 12 个 | 2.25 小时 | 🔴 初级 | | **第 2 章** | 4 | 18 个 | 5 小时 | 🟡 中级 | | **第 3 章** | 4 | 22 个 | 5.5 小时 | 🟡 中高级 | | **第 4 章** | 3 | 20 个 | 6 小时 | 🔴 高级 | | **第 5 章** | 3 | 16 个 | 5 小时 | 🔴 高级 | | **总计** | **18** | **96 个** | **24.75 小时** | **渐进式** | ### 🏆 学习成果认证 完成每章学习后，你将获得： - **第 1 章**：🤖 基础对话机器人开发者认证 - **第 2 章**：🧠 个性化 AI 系统设计师认证 - **第 3 章**：⚡ 智能决策系统工程师认证 - **第 4 章**：👥 多代理协作架构师认证 - **第 5 章**：🚀 AI 产品发布专家认证 ## 🚀 快速开始：5 分钟体验第一个 AI 应用 ### 准备工作检查 开始之前，请确认你有： - ✅ **Python 基础**：能写简单的函数和类 - ✅ **电脑环境**：Windows/Mac/Linux 均可 - ✅ **网络连接**：用于访问 AI 服务 ### 1️⃣ 一键安装环境 我们为你准备了全自动安装脚本： ```bash # 克隆项目 git clone https://github.com/your-username/langgraph-course.git cd langgraph-course # 运行自动安装脚本（Windows用户） python scripts/setup_windows.py # 运行自动安装脚本（Mac/Linux用户） python scripts/setup_unix.py ``` > **💡 脚本会自动完成**：环境创建 → 依赖安装 → API 配置 → 环境测试 ### 2️⃣ 配置 AI 服务 **推荐使用通义千问**（国内速度快、价格便宜）： 1. 注册阿里云账号：[https://bailian.console.aliyun.com/](https://bailian.console.aliyun.com/) 2. 创建 API Key（免费赠送一定额度） 3. 复制到 `.env` 文件中 ```bash # .env 文件内容示例 LLM_PROVIDER=qwen DASHSCOPE_API_KEY=sk-xxxxxxxxxxxxxxxxxx OPENAI_MODEL=qwen-plus ``` > **🔒 安全提示**：你的 API 密钥只会保存在本地，不会被上传到任何地方 ### 3️⃣ 运行第一个 AI 应用 ```bash # 启动第一个聊天机器人 python -m examples.hello_graph.main ``` 如果看到 AI 成功回复，恭喜你已经成功踏入 AI 应用开发的世界！🎉 ## 📁 项目导航图 ``` 📂 langgraph-course/ ├── 📚 docs/ # 课程文档（理论部分） │ └── modules/ # 按章节组织的详细教程 ├── 🛠️ examples/ # 实战项目（代码部分） │ ├── 🎯 hello_graph/ # 第1章：对话机器人 │ ├── 🧠 core_concepts/ # 第2章：记忆化助手 │ ├── 🔄 branching_memory/ # 第3章：思考型AI │ ├── 👥 multi_agent/ # 第4章：AI团队协作 │ └── 🚀 deploy_api/ # 第5章：产品发布 ├── ⚙️ src/ # 工具和配置 │ └── langgraph_course/ # 统一的AI客户端 └── 📋 requirements.txt # 依赖包列表 ``` ### 🛠️ 按章节学习路径 | 章节 | 案例文件 | 学习目标 | 核心技能 | 预计用时 | | ----------- | ---------------------------- | ------------------ | -------------------- | --------- | | **第 1 章** | `examples/hello_graph/` | 制作智能聊天机器人 | StateGraph、流式处理 | 2.25 小时 | | **第 2 章** | `examples/core_concepts/` | 打造个性化 AI 助手 | 状态管理、用户画像 | 5 小时 | | **第 3 章** | `examples/branching_memory/` | 实现思考和决策 | 条件路由、工具调用 | 5.5 小时 | | **第 4 章** | `examples/multi_agent/` | 组建 AI 协作团队 | 多代理、并行处理 | 6 小时 | | **第 5 章** | `examples/deploy_api/` | 发布生产级产品 | Web 服务、部署运维 | 5 小时 | ### 📋 学习资源清单 #### 💻 代码案例资源 - **总案例数量**：18 个递进式代码案例 - **覆盖知识点**：96 个核心 LangGraph 概念 - **预计学习时间**：24.75 小时（约 1-2 周） - **代码行数**：3000+行生产级示例代码 #### 📚 理论学习资源 - **详细文档**：6 个章节的完整讲义 - **图表可视化**：60+个 Mermaid 架构图 - **最佳实践**：生产环境经验总结 - **常见问题**：100+个 FAQ 解答 #### 🛠️ 开发工具支持 - **自动化脚本**：一键环境配置 - **多模型支持**：通义千问、OpenAI、智谱 AI - **测试框架**：Fake LLM 无 API 测试 - **部署模板**：Docker、K8s 配置 ## 🎮 互动式学习体验 ### 每章学习流程 ```mermaid graph LR; A[📖 阅读概念] --> B[💻 运行示例]; B --> C[🔧 修改实验]; C --> D[🎯 完成挑战]; D --> E[🏆 获得成果]; ``` ### 学习支持 - **🎬 视频演示**：每个项目都有运行效果展示 - **🐛 错误诊断**：常见问题和解决方案 - **💬 社区讨论**：和其他学习者交流经验 - **📝 代码解析**：逐行解释关键代码 ## 🤔 为什么要学习 LangGraph？ ### 传统编程 vs AI 应用开发 ```mermaid graph LR; subgraph "传统编程" A[确定输入] --> B[固定逻辑] --> C[预测输出] end subgraph "AI应用开发" D[不确定输入] --> E[智能决策] --> F[动态响应] end ``` ### LangGraph 的独特优势 | 传统方法 | LangGraph 方法 | | ----------------------------- | ------------------------------- | | ❌ 线性执行，难以处理复杂逻辑 | ✅ 图状执行，天然支持分支和循环 | | ❌ 状态管理复杂，容易出错 | ✅ 自动状态管理，专注业务逻辑 | | ❌ 难以调试和维护 | ✅ 可视化执行，调试直观 | | ❌ 扩展性差 | ✅ 模块化设计，易于扩展 | ### 实际应用场景 - **🤖 智能客服**：能记住用户历史，提供个性化服务 - **📊 数据分析师**：自动分析数据，生成报告 - **🎨 创意助手**：协助写作、设计、编程 - **🏢 企业助手**：处理文档、邮件、日程管理 ## 💡 学习建议 ### 成功要素 1. **🎯 明确目标**：想用 AI 解决什么问题？ 2. **🔤 基础扎实**：确保 Python 基础过关 3. **🛠️ 多动手**：代码一定要亲自敲一遍 4. **❓ 多提问**：遇到问题及时求助 ### 学习节奏 - **🏃 快速学习**：2 周完成全部章节，快速掌握核心技能 - **🚶 深度学习**：4-6 周完成，每个项目都深入研究 - **📚 参考学习**：选择感兴趣的章节，按需学习 ### 进阶方向 学完基础课程后，你可以继续探索： - 🎯 **专业领域应用**：教育、医疗、金融等 - 🏗️ **大型系统架构**：企业级 AI 应用设计 - 🔬 **前沿技术**：Agent、RAG、多模态等 - 💼 **商业应用**：创业、自由职业、技术咨询 --- **🎓 准备好开始你的 AI 应用开发之旅了吗？** 让我们从第 0 章开始，一步步构建你的第一个 AI 应用！