# LangChain-learn

**Repository Path**: Liangfactory/lang-chain-learn

## Basic Information

- **Project Name**: LangChain-learn
- **Description**: 本项目用于学习和实践基于 LangChain 的大语言模型（LLM）应用开发技术，涵盖模型调用、流式输出、批量处理等核心概念。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-07
- **Last Updated**: 2026-10-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LangChain 大模型应用开发学习项目

本项目用于学习和实践基于 LangChain 的大语言模型（LLM）应用开发技术，涵盖模型调用、流式输出、批量处理等核心概念。

## 📚 项目结构

```
├── chapter01/          # 第一章：基础入门（待补充）
├── chapter02/          # 第二章：LangChain 模型基础
│   ├── 01-model-init-online.ipynb    # 在线模型初始化
│   ├── 02-model-init-params.ipynb    # 模型参数配置
│   ├── 03-model-init-ollama.ipynb    # Ollama 本地模型
│   ├── 04-model-invoke.ipynb         # 模型调用与推理
│   └── 05-model-stream-batch.ipynb   # 流式输出与批量处理
├── .env                # 环境变量配置（已忽略，勿提交）
├── .gitignore          # Git 忽略规则
└── main.py             # Python 入口文件
```

## 🛠️ 技术栈

- **Python 3.11**
- **LangChain** - LLM 应用开发框架
- **Jupyter Notebook** - 交互式学习记录
- **主流 API 支持**: OpenAI、DeepSeek、智谱 AI、ZAI 等
- **本地部署**: Ollama（可选）

## 📋 环境配置

### 1. 安装依赖

```bash
pip install langchain langchain-openai jupyter
```

### 2. 配置环境变量

复制 `.env.example` 到 `.env` 并填入你的 API Key：

```bash
cp .env.example .env
```

主要环境变量：

| 变量名                 | 说明              | 示例                                   |
|---------------------|-----------------|--------------------------------------|
| `OPENAI_API_KEY`    | OpenAI API 密钥   | `sk-...`                             |
| `OPENAI_BASE_URL`   | OpenAI API 地址   | 自定义代理或兼容接口                           |
| `DEEPSEEK_API_KEY`  | DeepSeek API 密钥 | `sk-...`                             |
| `DEEPSEEK_BASE_URL` | DeepSeek API 地址 | https://api.deepseek.com/v1          |
| `ZHIPU_BASE_URL`    | 智谱 AI API 地址    | https://open.bigmodel.cn/api/paas/v4 |
| `ZAI_API_KEY`       | ZAI API 密钥      | `sk-...`                             |
| `API_KEY`           | 通用 API 密钥       | -                                    |

> ⚠️ **注意**: `.env` 文件包含敏感密钥，已被 `.gitignore` 忽略，不会上传到远程仓库。

## 📖 学习内容

### 第二章：LangChain 模型基础

#### 1. 在线模型初始化 ([01-model-init-online.ipynb](chapter02/01-model-init-online.ipynb))

- 使用 OpenAI GPT 模型
- 配置 API Key 和 Base URL
- 创建第一个 LLM 实例

#### 2. 模型参数配置 ([02-model-init-params.ipynb](chapter02/02-model-init-params.ipynb))

- Temperature 控制输出随机性
- Max Tokens 限制生成长度
- Top P、Top K 等高级参数调优

#### 3. Ollama 本地模型 ([03-model-init-ollama.ipynb](chapter02/03-model-init-ollama.ipynb))

- 安装与配置 Ollama
- 下载本地模型（如 Llama、Qwen）
- 离线调用本地 LLM

#### 4. 模型调用 ([04-model-invoke.ipynb](chapter02/04-model-invoke.ipynb))

- 基本 prompt 与响应
- System Message 与 User Message 角色设定
- Chain 构建与复杂对话流程

#### 5. 流式输出与批量处理 ([05-model-stream-batch.ipynb](chapter02/05-model-stream-batch.ipynb))

- Stream 模式实现实时输出
- Batch 批量处理多个请求
- 错误处理与重试机制

## 🚀 使用方法

### 运行 Jupyter Notebook

```bash
jupyter notebook chapter02/
```

在浏览器中打开对应的 `.ipynb` 文件进行学习实验。

### 运行 Python 脚本

```bash
python main.py
```

## 🔑 安全建议

1. **永远不要**将 `.env` 文件提交到版本控制系统
2. 定期轮换 API Key，防止泄露
3. 如果使用公共仓库，建议使用脱敏的 `.env.example` 作为参考
4. 如发现密钥泄露，立即在服务商后台重置 API Key

## 📝 学习进度

- [x] 第一章：基础理论（待补充）
- [x] 第二章：LangChain 模型基础
    - [x] 在线模型初始化
    - [x] 模型参数配置
    - [x] Ollama 本地模型
    - [x] 模型调用
    - [x] 流式输出与批量处理
- [ ] 第三章：Prompt Engineering（待添加）
- [ ] 第四章：Chat Models & Conversations（待添加）
- [ ] 第五章：Memory & Chains（待添加）
- [ ] 第六章：RAG & Retrieval（待添加）

## 🤝 贡献指南

欢迎提出 Issues 和 Pull Requests！如果你有任何学习心得或改进建议，请随时分享。

## 📄 License

本项目仅供学习研究使用。

## 📧 联系方式

如有问题，联系 **mars8879** 或者欢迎通过 Issue 讨论。

---

> 💡 **提示**: 本项目随学习进度持续更新，关注星号（⭐）以获取最新进展！