LangChain & LangGraph 教程项目

🚀 一个全面的LangChain和LangGraph学习教程，从基础概念到生产部署的完整学习路径。

📋 项目概述

本项目提供了一个渐进式的LangChain和LangGraph学习体验，包含：

📚 6个核心教程模块：从环境配置到生产部署
🛠️ 3个实战项目：聊天机器人、文档问答、代码生成器
🔧 完整的开发环境：Python虚拟环境、依赖管理、配置系统
📖 详细的文档：每个概念都有清晰的解释和示例

🏗️ 项目结构

langchain-course/
├── tutorials/                 # 教程模块
│   ├── 01_environment_setup/  # 环境配置
│   ├── 02_langchain_basics/   # LangChain基础
│   ├── 03_advanced_chains/    # 高级链式操作
│   ├── 04_langgraph_intro/    # LangGraph入门
│   ├── 05_custom_tools/       # 自定义工具
│   └── 06_production_ready/   # 生产部署
├── examples/                  # 实战项目
│   ├── chatbot/              # 聊天机器人
│   ├── document_qa/          # 文档问答系统
│   └── code_generator/       # 代码生成器
├── utils/                    # 工具模块
│   ├── __init__.py
│   └── config.py            # 配置管理
├── tests/                   # 测试文件
├── docs/                    # 文档
├── requirements.txt         # 项目依赖
├── .env.example            # 环境变量模板
├── setup.py               # 安装配置
└── README.md              # 项目说明

🚀 快速开始

1. 环境要求

Python 3.11 或更高版本
pip 或 conda 包管理器
Git（用于克隆项目）

2. 安装步骤

步骤 1：克隆项目

git clone <repository-url>
cd langchain-course

步骤 2：创建虚拟环境

# 使用 venv
python -m venv langchain_env

# 激活虚拟环境
# Windows
langchain_env\Scripts\activate
# macOS/Linux
source langchain_env/bin/activate

步骤 3：安装依赖

pip install -r requirements.txt

步骤 4：配置环境变量

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，填入你的API密钥
# 至少需要配置 OPENAI_API_KEY

步骤 5：验证安装

python -m utils.config

如果看到 "✅ Configuration loaded successfully"，说明环境配置成功！

🔑 API密钥配置

必需的API密钥

OpenAI API Key（必需）
- 访问 OpenAI API
- 创建新的API密钥
- 在 .env 文件中设置 OPENAI_API_KEY=your_key_here

可选的API密钥

LangChain API Key（用于追踪和监控）
- 访问 LangSmith
- 获取API密钥
- 设置 LANGCHAIN_API_KEY=your_key_here
其他服务（根据需要配置）
- Anthropic Claude: ANTHROPIC_API_KEY
- Google Gemini: GOOGLE_API_KEY
- Hugging Face: HUGGINGFACE_API_TOKEN