# LangChain课程代码

**Repository Path**: shinewin/LangChain-course-code

## Basic Information

- **Project Name**: LangChain课程代码
- **Description**: 这是存储LangChain课程代码的仓库
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-06-22
- **Last Updated**: 2026-08-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



# LangChain 课程代码仓库

本仓库包含 LangChain 完整课程的所有代码示例，涵盖了从基础概念到高级应用的各个层面。通过本课程，您将学会如何使用 LangChain 构建强大的 AI 应用，包括 LLM 调用、工具集成、RAG 系统、Agent 开发、工作流编排等核心技能。

## 📚 课程目录

| 章节 | 主题 | 主要内容 |
|------|------|----------|
| 01 | LangChain 核心与 LCEL | LangChain 基础概念、表达式语言、异步操作 |
| 02 | 工具与结构化输出 | 工具定义、Pydantic 模型、响应格式 |
| 03 | 核心组件详解 | 消息处理、聊天历史、状态管理 |
| 04 | RAG 文档摄取 | 文档加载、向量存储、嵌入处理 |
| 05 | 端到端 RAG | RAG 系统构建、检索增强生成 |
| 06 | LangGraph 全面指南 | 状态定义、节点、边、图构建 |
| 07 | 工作流模式 | 并行执行、路由选择、编排模式 |
| 08 | 内存与持久化 | 检查点、时间旅行、长期记忆 |
| 09 | 高级运行时 | 上下文传递、子图、流式输出 |
| 10 | AI 租房助手 | 实际应用场景、综合案例 |
| 11 | Agent V1 开发 | 旧版 Agent 构建、中间件 |
| 12 | 中间件开发 | 自定义中间件、工具调用控制 |
| 13 | Agent V1 进阶 | 流式输出、错误处理、权限控制 |
| 14 | MCP 完整指南 | Model Context Protocol 服务器与客户端 |
| 15 | 多代理系统 | 代理协作、任务分发、交接机制 |
| 16 | 子代理指南 | 子代理调用、上下文传递 |
| 17 | 交接完整指南 | 代理间状态转移、任务交接 |
| 18 | 技能完整指南 | 动态技能加载、技能中间件 |
| 19 | 路由与自定义工作流 | 智能路由、复杂流程编排 |
| 20 | 课程总结 | 综合应用、最佳实践 |

## 🚀 快速开始

### 环境要求

- Python 3.10+
- pip 包管理器

### 安装依赖

```bash
# 克隆仓库
git clone <repository-url>
cd LangChain-course-code

# 安装依赖
pip install -r requirements.txt

# 配置环境变量（根据需要设置 API Key）
export OPENAI_API_KEY="your-api-key"
export ANTHROPIC_API_KEY="your-api-key"
```

## 📖 代码结构说明

```
├── 01_langchain_core_and_lcel/      # LCEL 核心语法
├── 02_langchain_tools_and_structured_output/  # 工具与结构化输出
├── 03_langchain_core_components/    # 核心组件
├── 04_langchain_rag_document_ingestion/  # RAG 文档处理
├── 05_langchain_rag_end_to_end/     # 端到端 RAG
├── 06_langgraph_comprehensive/      # LangGraph 基础
├── 07_langgraph_core_workflow_patterns/   # 工作流模式
├── 08_langgraph_memory_and_persistence/   # 内存管理
├── 09_langgraph_advanced_runtime/   # 高级运行时
├── 10_langgraph_ai_rental_assistant/  # 实战案例
├── 11_langchain_v1_agent/           # Agent V1
├── 12_langchain_middleware/         # 中间件开发
├── 13_langchain_v1_agent/           # Agent V1 进阶
├── 14_mcp_complete_guide/           # MCP 协议
├── 15_multi_agent_complete_guide/   # 多代理系统
├── 16_subagents_complete_guide/     # 子代理
├── 17_handoffs_complete_guide/      # 交接机制
├── 18_skills_complete_guide/        # 技能系统
├── 19_router_custom_workflow/       # 路由工作流
├── 20_course_summary/               # 课程总结
└── requirements.txt                 # 依赖列表
```

## 🎯 核心功能示例

### 1. 工具定义示例

```python
from langchain_core.tools import tool

@tool
def calculate(a: int, b: int) -> int:
    """执行简单的数学计算"""
    return a + b
```

### 2. LangGraph 状态管理

```python
from typing import TypedDict, List

class AgentState(TypedDict):
    messages: List[str]
    context: dict
    result: str
```

### 3. 中间件开发

```python
from langchain.agents import AgentMiddleware

class CustomMiddleware(AgentMiddleware):
    def before_agent(self, state, runtime):
        # 前置处理逻辑
        pass
```

## 📝 主要技术栈

| 技术 | 说明 |
|------|------|
| LangChain | LLM 应用开发框架 |
| LangGraph | 工作流/图编排引擎 |
| Pydantic | 数据验证与序列化 |
| Model Context Protocol | 模型上下文协议 |
| OpenAI/Anthropic | LLM 提供商 |

## 🔧 进阶主题

### 中间件系统
- 成本控制中间件
- 敏感词过滤
- 调用频率限制
- 工具错误处理

### 工作流模式
- 顺序执行
- 并行处理
- 动态路由
- 人机协作

### 内存管理
- 短期记忆
- 长期记忆
- 检查点存储
- 状态持久化

## 📌 最佳实践

1. **工具设计**：使用 Pydantic 模型定义工具参数
2. **状态管理**：合理使用 TypedDict 和 Reducer
3. **错误处理**：为工具添加重试和回退机制
4. **性能优化**：使用异步操作和缓存
5. **调试便利**：添加日志和可视化工具

## 🤝 贡献指南

欢迎提交 Issue 和 Pull Request 来完善本课程。

## 📄 许可证

本项目遵循 MIT 许可证开源。

## 📞 联系方式

如有问题，请通过 Gitee 平台提交 Issue 或联系项目维护者。