[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-bhancockio--langchain-crash-course":3,"tool-bhancockio--langchain-crash-course":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",160015,2,"2026-04-18T11:30:52",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":66,"owner_company":66,"owner_location":66,"owner_email":66,"owner_twitter":76,"owner_website":66,"owner_url":77,"languages":78,"stars":83,"forks":84,"last_commit_at":85,"license":66,"difficulty_score":32,"env_os":86,"env_gpu":86,"env_ram":86,"env_deps":87,"category_tags":93,"github_topics":66,"view_count":32,"oss_zip_url":66,"oss_zip_packed_at":66,"status":17,"created_at":94,"updated_at":95,"faqs":96,"releases":97},9057,"bhancockio\u002Flangchain-crash-course","langchain-crash-course",null,"langchain-crash-course 是一套专为初学者设计的 LangChain 实战代码库，旨在配合视频教程帮助用户快速掌握构建 AI 应用的核心技能。它系统性地解决了开发者在学习大模型框架时面临的“理论易懂、落地困难”的问题，通过提供从环境配置到复杂应用的全流程可运行示例，让用户能亲手实践并理解底层逻辑。\n\n这套资源特别适合希望入门 AI 开发的程序员、学生及技术爱好者。无论是想构建智能聊天机器人、实现基于文档的问答系统（RAG），还是开发能自主调用工具的 AI 智能体，用户都能在这里找到对应的代码模板。其独特的技术亮点在于结构清晰、循序渐进：内容涵盖聊天模型交互、提示词模板设计、任务链编排、检索增强生成以及智能体与自定义工具的开发。每个脚本均配有详细注释，且项目采用 Poetry 管理依赖，确保了环境的一致性与复现性。通过跟随学习，用户不仅能看懂代码，更能具备独立开发实际 AI 项目的能力，是通往 LangChain 高效开发的实用捷径。","# LangChain Crash Course\n\nWelcome to the LangChain Crash Course repository! This repo contains all the code examples you'll need to follow along with the LangChain Master Class for Beginners video. By the end of this course, you'll know how to use LangChain to create your own AI agents, build RAG chatbots, and automate tasks with AI.\n\n## Course Outline\n\n1. **Setup Environment**\n2. **Chat Models**\n3. **Prompt Templates**\n4. **Chains**\n5. **RAG (Retrieval-Augmented Generation)**\n6. **Agents & Tools**\n\n## Getting Started\n\n### Prerequisites\n\n- Python 3.10 or 3.11\n- Poetry (Follow this [Poetry installation tutorial](https:\u002F\u002Fpython-poetry.org\u002Fdocs\u002F#installation) to install Poetry on your system)\n\n### Installation\n\n1. Clone the repository:\n\n   ```bash\n   \u003C!-- TODO: UPDATE TO MY  -->\n   git clone https:\u002F\u002Fgithub.com\u002Fbhancockio\u002Flangchain-crash-course\n   cd langchain-crash-course\n   ```\n\n2. Install dependencies using Poetry:\n\n   ```bash\n   poetry install --no-root\n   ```\n\n3. Set up your environment variables:\n\n   - Rename the `.env.example` file to `.env` and update the variables inside with your own values. Example:\n\n   ```bash\n   mv .env.example .env\n   ```\n\n4. Activate the Poetry shell to run the examples:\n\n   ```bash\n   poetry shell\n   ```\n\n5. Run the code examples:\n\n   ```bash\n    python 1_chat_models\u002F1_chat_model_basic.py\n   ```\n\n## Repository Structure\n\nHere's a breakdown of the folders and what you'll find in each:\n\n### 1. Chat Models\n\n- `1_chat_model_basic.py`\n- `2_chat_model_basic_conversation.py`\n- `3_chat_model_alternatives.py`\n- `4_chat_model_conversation_with_user.py`\n- `5_chat_model_save_message_history_firestore.py`\n\nLearn how to interact with models like ChatGPT, Claude, and Gemini.\n\n### 2. Prompt Templates\n\n- `1_prompt_template_basic.py`\n- `2_prompt_template_with_chat_model.py`\n\nUnderstand the basics of prompt templates and how to use them effectively.\n\n### 3. Chains\n\n- `1_chains_basics.py`\n- `2_chains_under_the_hood.py`\n- `3_chains_extended.py`\n- `4_chains_parallel.py`\n- `5_chains_branching.py`\n\nLearn how to create chains using Chat Models and Prompts to automate tasks.\n\n### 4. RAG (Retrieval-Augmented Generation)\n\n- `1a_rag_basics.py`\n- `1b_rag_basics.py`\n- `2a_rag_basics_metadata.py`\n- `2b_rag_basics_metadata.py`\n- `3_rag_text_splitting_deep_dive.py`\n- `4_rag_embedding_deep_dive.py`\n- `5_rag_retriever_deep_dive.py`\n- `6_rag_one_off_question.py`\n- `7_rag_conversational.py`\n- `8_rag_web_scrape_firecrawl.py`\n- `8_rag_web_scrape.py`\n\nExplore the technologies like documents, embeddings, and vector stores that enable RAG queries.\n\n### 5. Agents & Tools\n\n- `1_agent_and_tools_basics.py`\n- `agent_deep_dive\u002F`\n  - `1_agent_react_chat.py`\n  - `2_react_docstore.py`\n- `tools_deep_dive\u002F`\n  - `1_tool_constructor.py`\n  - `2_tool_decorator.py`\n  - `3_tool_base_tool.py`\n\nLearn about agents, how they work, and how to build custom tools to enhance their capabilities.\n\n## How to Use This Repository\n\n1. **Watch the Video:** Start by watching the LangChain Master Class for Beginners video on YouTube at 2X speed for a high-level overview.\n\n2. **Run the Code Examples:** Follow along with the code examples provided in this repository. Each section in the video corresponds to a folder in this repo.\n\n3. **Join the Community:** If you get stuck or want to connect with other AI developers, join the FREE Skool community [here](https:\u002F\u002Fwww.skool.com\u002Fai-developer-accelerator\u002Fabout).\n\n## Comprehensive Documentation\n\nEach script in this repository contains detailed comments explaining the purpose and functionality of the code. This will help you understand the flow and logic behind each example.\n\n## FAQ\n\n**Q: What is LangChain?**  \nA: LangChain is a framework designed to simplify the process of building applications that utilize language models.\n\n**Q: How do I set up my environment?**  \nA: Follow the instructions in the \"Getting Started\" section above. Ensure you have Python 3.10 or 3.11 installed, install Poetry, clone the repository, install dependencies, rename the `.env.example` file to `.env`, and activate the Poetry shell.\n\n**Q: I am getting an error when running the examples. What should I do?**  \nA: Ensure all dependencies are installed correctly and your environment variables are set up properly. If the issue persists, seek help in the Skool community or open an issue on GitHub.\n\n**Q: Can I contribute to this repository?**  \nA: Yes! Contributions are welcome. Please open an issue or submit a pull request with your changes.\n\n**Q: Where can I find more information about LangChain?**  \nA: Check out the official LangChain documentation and join the Skool community for additional resources and support.\n\n## Support\n\nIf you encounter any issues or have questions, feel free to open an issue on GitHub or ask for help in the Skool community.\n\n## License\n\nThis project is licensed under the MIT License.\n","# LangChain 速成课程\n\n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。\n\n## 课程大纲\n\n1. **环境搭建**\n2. **聊天模型**\n3. **提示模板**\n4. **链**\n5. **RAG（检索增强生成）**\n6. **代理与工具**\n\n## 开始使用\n\n### 先决条件\n\n- Python 3.10 或 3.11\n- Poetry（请按照此 [Poetry 安装教程](https:\u002F\u002Fpython-poetry.org\u002Fdocs\u002F#installation) 在您的系统上安装 Poetry）\n\n### 安装步骤\n\n1. 克隆仓库：\n\n   ```bash\n   \u003C!-- TODO: UPDATE TO MY  -->\n   git clone https:\u002F\u002Fgithub.com\u002Fbhancockio\u002Flangchain-crash-course\n   cd langchain-crash-course\n   ```\n\n2. 使用 Poetry 安装依赖项：\n\n   ```bash\n   poetry install --no-root\n   ```\n\n3. 设置环境变量：\n\n   - 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：\n\n   ```bash\n   mv .env.example .env\n   ```\n\n4. 激活 Poetry shell 以运行示例代码：\n\n   ```bash\n   poetry shell\n   ```\n\n5. 运行代码示例：\n\n   ```bash\n    python 1_chat_models\u002F1_chat_model_basic.py\n   ```\n\n## 仓库结构\n\n以下是各文件夹的说明及其内容：\n\n### 1. 聊天模型\n\n- `1_chat_model_basic.py`\n- `2_chat_model_basic_conversation.py`\n- `3_chat_model_alternatives.py`\n- `4_chat_model_conversation_with_user.py`\n- `5_chat_model_save_message_history_firestore.py`\n\n学习如何与 ChatGPT、Claude 和 Gemini 等模型进行交互。\n\n### 2. 提示模板\n\n- `1_prompt_template_basic.py`\n- `2_prompt_template_with_chat_model.py`\n\n了解提示模板的基础知识及其有效使用方法。\n\n### 3. 链\n\n- `1_chains_basics.py`\n- `2_chains_under_the_hood.py`\n- `3_chains_extended.py`\n- `4_chains_parallel.py`\n- `5_chains_branching.py`\n\n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。\n\n### 4. RAG（检索增强生成）\n\n- `1a_rag_basics.py`\n- `1b_rag_basics.py`\n- `2a_rag_basics_metadata.py`\n- `2b_rag_basics_metadata.py`\n- `3_rag_text_splitting_deep_dive.py`\n- `4_rag_embedding_deep_dive.py`\n- `5_rag_retriever_deep_dive.py`\n- `6_rag_one_off_question.py`\n- `7_rag_conversational.py`\n- `8_rag_web_scrape_firecrawl.py`\n- `8_rag_web_scrape.py`\n\n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。\n\n### 5. 代理与工具\n\n- `1_agent_and_tools_basics.py`\n- `agent_deep_dive\u002F`\n  - `1_agent_react_chat.py`\n  - `2_react_docstore.py`\n- `tools_deep_dive\u002F`\n  - `1_tool_constructor.py`\n  - `2_tool_decorator.py`\n  - `3_tool_base_tool.py`\n\n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。\n\n## 如何使用本仓库\n\n1. **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。\n2. **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。\n3. **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](https:\u002F\u002Fwww.skool.com\u002Fai-developer-accelerator\u002Fabout)。\n\n## 详细文档\n\n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。\n\n## 常见问题解答\n\n**问：什么是 LangChain？**  \n答：LangChain 是一个旨在简化语言模型应用开发过程的框架。\n\n**问：如何设置我的环境？**  \n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。\n\n**问：运行示例时出现错误，我该怎么办？**  \n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。\n\n**问：我可以为这个仓库做出贡献吗？**  \n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。\n\n**问：在哪里可以找到更多关于 LangChain 的信息？**  \n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。\n\n## 支持\n\n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。\n\n## 许可证\n\n本项目采用 MIT 许可证授权。","# LangChain Crash Course 快速上手指南\n\n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。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Windows, macOS 或 Linux\n*   **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）\n*   **包管理工具**：已安装 **Poetry**\n    *   安装教程参考：[Poetry 官方安装文档](https:\u002F\u002Fpython-poetry.org\u002Fdocs\u002F#installation)\n    *   *国内用户提示*：若下载缓慢，可尝试使用国内镜像源配置 Poetry。\n\n## 安装步骤\n\n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：\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fbhancockio\u002Flangchain-crash-course\n    cd langchain-crash-course\n    ```\n\n2.  **安装依赖**\n    使用 Poetry 安装项目所需的所有依赖包：\n    ```bash\n    poetry install --no-root\n    ```\n\n3.  **配置环境变量**\n    将示例配置文件重命名为 `.env`，并填入您的 API Key（如 OpenAI、Anthropic 等）：\n    ```bash\n    mv .env.example .env\n    ```\n    *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。*\n\n4.  **激活虚拟环境**\n    启动 Poetry 管理的 Shell 环境：\n    ```bash\n    poetry shell\n    ```\n\n## 基本使用\n\n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：\n\n```bash\npython 1_chat_models\u002F1_chat_model_basic.py\n```\n\n**后续学习路径：**\n成功运行上述命令后，您可以按照以下目录结构逐步深入：\n*   **Chat Models**: 学习与 ChatGPT、Claude 等模型的交互。\n*   **Prompt Templates**: 掌握提示词模板的使用。\n*   **Chains**: 构建链式调用以自动化任务。\n*   **RAG**: 探索检索增强生成（文档加载、向量存储等）。\n*   **Agents & Tools**: 创建具备工具调用能力的智能代理。\n\n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。","某初创公司的后端工程师需要在三天内为内部知识库构建一个能回答员工政策疑问的智能问答机器人，且必须基于公司最新的 PDF 文档。\n\n### 没有 langchain-crash-course 时\n- **环境配置混乱**：面对 Python 依赖冲突和复杂的 API 密钥管理，花费大量时间排查基础设置错误，迟迟无法运行第一个 Demo。\n- **RAG 流程断裂**：不清楚如何将非结构化的 PDF 文档切分、嵌入并存入向量数据库，导致检索结果不准确或完全失败。\n- **对话无记忆**：开发的聊天机器人无法记住上下文，用户每问一个新问题，机器人就“失忆”，体验极差。\n- **缺乏实战指引**：官方文档理论性太强，缺少从“加载文档”到“部署代理”的完整代码链路，只能盲目试错。\n\n### 使用 langchain-crash-course 后\n- **一键启动开发**：直接复用仓库中配置好的 Poetry 环境和 `.env` 模板，几分钟内即可跑通基础的 Chat Model 示例。\n- **模块化实现 RAG**：参考 `4_rag_text_splitting_deep_dive.py` 等脚本，快速掌握文档加载、文本切分及向量检索的标准写法，精准定位政策条款。\n- **轻松添加记忆功能**：借鉴 `7_rag_conversational.py` 的代码逻辑，迅速为机器人植入历史消息存储机制，实现流畅的多轮对话。\n- **按图索骥高效落地**：跟随课程大纲从 Chains 到 Agents 逐步进阶，直接修改现成的 Agent 工具代码，按时交付了具备搜索能力的智能助手。\n\nlangchain-crash-course 通过提供结构清晰、注释详尽的实战代码，将原本需要数周摸索的 LangChain 开发路径缩短至几天，让开发者能专注于业务逻辑而非底层框架的坑点。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbhancockio_langchain-crash-course_33bb443f.png","bhancockio","Brandon Hancock (aiwithbrandon)","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fbhancockio_24b6de2c.png","bhancock_ai","https:\u002F\u002Fgithub.com\u002Fbhancockio",[79],{"name":80,"color":81,"percentage":82},"Python","#3572A5",100,960,777,"2026-04-09T20:36:48","未说明",{"notes":88,"python":89,"dependencies":90},"需安装 Poetry 进行依赖管理；运行前需将 .env.example 重命名为 .env 并配置 API 密钥等环境变量；示例代码涉及 ChatGPT、Claude、Gemini 等模型及 Firestore、Web 爬取等功能，需对应服务的访问权限。","3.10 或 3.11",[91,92],"langchain","Poetry (包管理工具)",[35,14,13],"2026-03-27T02:49:30.150509","2026-04-18T22:32:40.987970",[],[]]