LangChain 速成课程

欢迎来到 LangChain 速成课程仓库！本仓库包含了您跟随《LangChain 初学者大师课》视频学习所需的所有代码示例。完成本课程后，您将掌握如何使用 LangChain 创建自己的 AI 代理、构建 RAG 聊天机器人，以及利用 AI 自动化任务。

课程大纲

1. 环境搭建
2. 聊天模型
3. 提示模板
4. 链
5. RAG（检索增强生成）
6. 代理与工具

开始使用

先决条件

• Python 3.10 或 3.11
• Poetry（请按照此 Poetry 安装教程 在您的系统上安装 Poetry）

安装步骤

1. 克隆仓库：

   <!-- TODO: UPDATE TO MY  -->
   git clone https://github.com/bhancockio/langchain-crash-course
   cd langchain-crash-course
   

2. 使用 Poetry 安装依赖项：

   poetry install --no-root
   

3. 设置环境变量：

   • 将 .env.example 文件重命名为 .env，并根据您的需求更新其中的变量。例如：

   mv .env.example .env
   

4. 激活 Poetry shell 以运行示例代码：

   poetry shell
   

5. 运行代码示例：

    python 1_chat_models/1_chat_model_basic.py
   

仓库结构

以下是各文件夹的说明及其内容：

1. 聊天模型

• 1_chat_model_basic.py
• 2_chat_model_basic_conversation.py
• 3_chat_model_alternatives.py
• 4_chat_model_conversation_with_user.py
• 5_chat_model_save_message_history_firestore.py

学习如何与 ChatGPT、Claude 和 Gemini 等模型进行交互。

2. 提示模板

• 1_prompt_template_basic.py
• 2_prompt_template_with_chat_model.py

了解提示模板的基础知识及其有效使用方法。

3. 链

• 1_chains_basics.py
• 2_chains_under_the_hood.py
• 3_chains_extended.py
• 4_chains_parallel.py
• 5_chains_branching.py

学习如何使用聊天模型和提示模板创建链，以实现任务自动化。

4. RAG（检索增强生成）

• 1a_rag_basics.py
• 1b_rag_basics.py
• 2a_rag_basics_metadata.py
• 2b_rag_basics_metadata.py
• 3_rag_text_splitting_deep_dive.py
• 4_rag_embedding_deep_dive.py
• 5_rag_retriever_deep_dive.py
• 6_rag_one_off_question.py
• 7_rag_conversational.py
• 8_rag_web_scrape_firecrawl.py
• 8_rag_web_scrape.py

探索文档、嵌入和向量存储等技术，这些技术使 RAG 查询成为可能。

5. 代理与工具

• 1_agent_and_tools_basics.py
• agent_deep_dive/
  • 1_agent_react_chat.py
  • 2_react_docstore.py
• tools_deep_dive/
  • 1_tool_constructor.py
  • 2_tool_decorator.py
  • 3_tool_base_tool.py

了解代理的工作原理，以及如何构建自定义工具来增强其功能。

如何使用本仓库

1. 观看视频：首先在 YouTube 上以 2 倍速观看《LangChain 初学者大师课》视频，以获得整体概览。
2. 运行代码示例：跟随本仓库提供的代码示例进行实践。视频中的每个部分都对应于本仓库中的一个文件夹。
3. 加入社区：如果您遇到困难或希望与其他 AI 开发者交流，请加入免费的 Skool 社区 这里。

详细文档

本仓库中的每段脚本都包含详细的注释，解释了代码的目的和功能。这将帮助您理解每个示例的流程和逻辑。

常见问题解答

问：什么是 LangChain？
答：LangChain 是一个旨在简化语言模型应用开发过程的框架。

问：如何设置我的环境？
答：请按照上述“开始使用”部分的说明操作。确保已安装 Python 3.10 或 3.11，安装 Poetry，克隆仓库，安装依赖项，将 .env.example 文件重命名为 .env，并激活 Poetry shell。

问：运行示例时出现错误，我该怎么办？
答：请确保所有依赖项已正确安装，并且环境变量已正确配置。如果问题仍然存在，请在 Skool 社区寻求帮助，或在 GitHub 上提交问题。

问：我可以为这个仓库做出贡献吗？
答：当然可以！我们欢迎任何贡献。请先打开一个问题，或提交包含您更改的拉取请求。

问：在哪里可以找到更多关于 LangChain 的信息？
答：请查看 LangChain 的官方文档，并加入 Skool 社区以获取更多资源和支持。

支持

如果您遇到任何问题或有疑问，欢迎在 GitHub 上提交问题，或在 Skool 社区中寻求帮助。

许可证

本项目采用 MIT 许可证授权。

LangChain Crash Course 快速上手指南

本指南旨在帮助开发者快速搭建环境并运行 langchain-crash-course 仓库中的示例代码，掌握构建 AI 代理、RAG 聊天机器人及自动化任务的基础。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：必须安装 Python 3.10 或 3.11（其他版本可能导致兼容性问题）
• 包管理工具：已安装 Poetry
  • 安装教程参考：Poetry 官方安装文档
  • 国内用户提示：若下载缓慢，可尝试使用国内镜像源配置 Poetry。

安装步骤

请依次执行以下命令来完成项目克隆、依赖安装及环境变量配置：

1. 克隆仓库

   git clone https://github.com/bhancockio/langchain-crash-course
   cd langchain-crash-course
   

2. 安装依赖 使用 Poetry 安装项目所需的所有依赖包：

   poetry install --no-root
   

3. 配置环境变量 将示例配置文件重命名为 .env，并填入您的 API Key（如 OpenAI、Anthropic 等）：

   mv .env.example .env
   

   注意：请使用文本编辑器打开 .env 文件，将占位符替换为您真实的密钥。

4. 激活虚拟环境 启动 Poetry 管理的 Shell 环境：

   poetry shell
   

基本使用

环境激活后，您可以直接运行仓库中提供的示例脚本。以下是最基础的聊天模型示例：

python 1_chat_models/1_chat_model_basic.py

后续学习路径： 成功运行上述命令后，您可以按照以下目录结构逐步深入：

• Chat Models: 学习与 ChatGPT、Claude 等模型的交互。
• Prompt Templates: 掌握提示词模板的使用。
• Chains: 构建链式调用以自动化任务。
• RAG: 探索检索增强生成（文档加载、向量存储等）。
• Agents & Tools: 创建具备工具调用能力的智能代理。

每个脚本内部均包含详细的注释，解释了代码的逻辑与功能，建议结合代码注释与配套视频课程进行学习。