LangGraph 实战

本仓库包含交互式 Jupyter Notebook，用于演示 LangGraph 概念和实现。

关于本书

《LangGraph 实战》是一本深入探索 AI 智能体（Agent）技术的实用指南。在人工智能快速发展的今天，我们正站在 Agent 元年的前夜，而 LangGraph 作为构建复杂、自主决策 Agent 应用的强大框架，正是释放 LLM 潜力的关键。

本书系统梳理了 LangGraph 的最新技术，涵盖从基础概念到高级实践的完整学习路径。无论您是 AI 开发新手，还是希望提升技能的资深开发者，都能通过本书掌握 Agent 应用开发的核心技能。

主要特色

• 完整的技术体系: 从 Agent 基础概念到 LangGraph 框架的深入讲解
• 丰富的实战案例: 通过具体代码示例演示各种 Agent 应用场景
• 渐进式学习路径: 由浅入深的内容组织，适合不同基础的读者
• 国内环境适配: 使用硅基流动一站式大模型云服务平台 SiliconCloud 平台和国产大模型，依托开箱即用的大模型 API 服务，便于国内开发者学习实践

📱 加入飞书群

欢迎您扫描下方二维码加入我们的技术讨论群：

环境配置

1. 使用 UV 创建 Python 虚拟环境

首先安装 uv（如果尚未安装）:

curl -LsSf https://astral.sh/uv/install.sh | sh

创建新的虚拟环境：

uv venv

2. 安装依赖

安装所有项目依赖（包含开发环境和 Jupyter 内核）：

uv sync --dev

3. 配置环境变量

复制环境变量示例文件：

cp .env.example .env

编辑 .env 文件并添加您的 API 密钥：

• SiliconCloud API Key: 从 SiliconCloud 获取 API 密钥并设置 OPENAI_API_KEY
• LangSmith API Key: 从 LangSmith 获取 API 密钥并设置 LANGCHAIN_API_KEY

4. IDE 配置

VS Code

1. 安装 Jupyter 扩展
2. 打开 tutorials 目录中的任意 .ipynb 文件
3. 当提示时，选择来自 UV 虚拟环境的 Python 解释器
4. 内核会自动检测 UV 创建的虚拟环境

其他 IDE

确保您的 IDE 的 Jupyter 扩展能够访问 UV 虚拟环境中的 Python 解释器。

运行教程

1. 激活虚拟环境（如果未自动激活）：

   source .venv/bin/activate  # macOS/Linux
   # 或
   .venv\Scripts\activate     # Windows

2. 在 IDE 中打开任意教程 notebook（chapter2.ipynb、chapter3.ipynb、chapter4.ipynb 等）

3. 选择对应虚拟环境的 Python 内核

4. 运行单元格开始探索 LangGraph 概念！

可用教程

• chapter2.ipynb - LangGraph 框架概览
• chapter3.ipynb - LangGraph 核心元素和子图
• chapter4.ipynb - AI 智能体的交互体验（流式处理、持久化、人机在环）
• chapter5.ipynb - AI 智能体的记忆系统
• chapter6.ipynb - 构建 AI 智能体的其它 API 选项
• chapter7.ipynb - AI 智能体系统的架构与范式

学习建议

快速入门路径

1. 首先通读前两章内容，建立对 Agent 技术和 LangGraph 框架的整体认知
2. 重点学习实战案例章节（特别是第 3-7 章），跟随案例代码进行实践操作
3. 根据需求深入研究高级主题章节，如架构设计、部署和未来趋势

不同背景读者指南

• 初学者: 建议从 chapter2.ipynb 开始，快速上手构建简单的 Agent 应用
• 有经验的开发者: 按顺序学习所有章节，深入理解 LangGraph 的高级功能
• 有 LangChain 基础: 可以快速浏览基础概念，重点关注 LangGraph 的独特优势

故障排除

• 找不到内核: 确保已激活 UV 虚拟环境并使用 uv sync 安装了依赖
• API 错误: 检查 .env 文件中的 API 密钥设置是否正确
• 导入错误: 再次运行 uv sync 确保所有依赖都已安装

参考图书