🦜🔗 LangChain 1.0 & LangGraph 1.0 完整学习指南

这是一个系统学习 LangChain 1.0 和 LangGraph 1.0 的实践仓库，涵盖从基础概念到实战项目的完整学习路径。

📚 关于 LangChain 1.0

LangChain 1.0 是用于构建 LLM 驱动应用程序的框架的最新主要版本（2025年10月正式发布）。主要特性：

✅ 构建在 LangGraph 运行时之上 - 提供持久化、流式处理、人在回路等能力
✅ 新的 create_agent API - 简化 Agent 创建流程（LangChain 1.0 API）
✅ 中间件架构 - 提供细粒度的执行控制（before_model、after_model、wrap_model_call 等）
✅ 多模态支持 - 处理文本、图像、视频、文件
✅ 结构化输出 - 使用 Pydantic 模型定义输出格式
✅ 语义化版本控制 - 1.x 系列保证 API 稳定

后续计划 ：

基于Langchain 1.0 的完整RAG前后端项目，并包含RAG的各种优化
⚫ 技术栈：Agentic RAG、Agent、LangChain、ChromaDB、SQLite、FastAPI、Vue。
基于LangGrah 1.0的完整多智能体前后端项目。
⚫ 技术栈：：Python、LangGraph、LangChain、FastAPI、MCP、Vue、SQLite

🚀 快速开始

环境要求

Python 3.10 或更高版本（不支持 Python 3.9）
pip 或 uv 包管理器

安装步骤

# 1. 克隆仓库
git clone <your-repo-url>
cd Langchain1.0-Langgraph1.0-learning

# 2. 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Unix/macOS:
source venv/bin/activate

# 3. 安装依赖
pip install -r requirements.txt

# 4. 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入你的 API Keys

需要的 API Keys

API Key	用途	获取地址
`GROQ_API_KEY`	Groq API（免费）	https://console.groq.com/keys
`OPENAI_API_KEY`	OpenAI API（可选）	https://platform.openai.com/api-keys
`PINECONE_API_KEY`	Pinecone 向量数据库（免费）	https://www.pinecone.io/
`LANGSMITH_API_KEY`	LangSmith 监控（可选）	https://smith.langchain.com/

验证安装

python phase1_fundamentals/01_hello_langchain/main.py

📖 学习路径

本仓库采用四阶段渐进式学习，共 22 个模块 + 3 个综合项目：

📚 完整学习路径
================

第一阶段：基础知识 (Phase 1 - Fundamentals) - 第1-2周
├── 01 Hello LangChain - 第一次 LLM 调用
├── 02 Prompt Templates - 提示词模板
├── 03 Messages - 消息类型与对话历史
├── 04 Custom Tools - 自定义工具
├── 05 Simple Agent - create_agent 入门
└── 06 Agent Loop - Agent 执行循环

第二阶段：实战技能 (Phase 2 - Practical) - 第3-4周
├── 07 Memory Basics - 内存基础
├── 08 Context Management - 上下文管理
├── 09 Checkpointing - 状态持久化
├── 10 Middleware Basics - 中间件基础
├── 11 Structured Output - 结构化输出
├── 12 Validation Retry - 验证与重试
├── 13 RAG Basics - RAG 基础
├── 14 RAG Advanced - RAG 进阶
└── 15 Tools and Agents - 工具与智能体进阶

第三阶段：高级主题 (Phase 3 - Advanced) - 第5-6周
├── 16 LangGraph Basics - 状态图基础
├── 17 Multi-Agent - 多智能体系统
├── 18 Conditional Routing - 条件路由
├── 19 Image Input - 图像输入处理
├── 20 File Handling - 文件处理
├── 21 Mixed Modality - 混合模态
├── 22 LangSmith Integration - 监控集成
└── 23 Error Handling - 错误处理

第四阶段：综合项目 (Phase 4 - Projects) - 第7-8周
├── 01 RAG System - 检索增强生成系统
├── 02 Multi-Agent Support - 多智能体客服系统
└── 03 Research Assistant - 智能研究助手

📁 项目结构

Langchain1.0-Langgraph1.0-learning/
├── phase1_fundamentals/        # 第一阶段：基础知识
│   ├── 01_hello_langchain/     # 第一次 LLM 调用
│   ├── 02_prompt_templates/    # 提示词模板
│   ├── 03_messages/            # 消息类型
│   ├── 04_custom_tools/        # 自定义工具
│   ├── 05_simple_agent/        # 简单 Agent
│   └── 06_agent_loop/          # Agent 执行循环
│
├── phase2_practical/           # 第二阶段：实战技能
│   ├── 07_memory_basics/       # 内存基础
│   ├── 08_context_management/  # 上下文管理
│   ├── 09_checkpointing/       # 状态持久化
│   ├── 10_middleware_basics/   # 中间件基础
│   ├── 11_structured_output/   # 结构化输出
│   ├── 12_validation_retry/    # 验证与重试
│   ├── 13_rag_basics/          # RAG 基础
│   ├── 14_rag_advanced/        # RAG 进阶
│   └── 15_tools_and_agents/    # 工具与智能体进阶
│
├── phase3_advanced/            # 第三阶段：高级主题
│   ├── 16_langgraph_basics/    # LangGraph 基础
│   ├── 17_multi_agent/         # 多智能体系统
│   ├── 18_conditional_routing/ # 条件路由
│   ├── 19_image_input/         # 图像输入
│   ├── 20_file_handling/       # 文件处理
│   ├── 21_mixed_modality/      # 混合模态
│   ├── 22_langsmith_integration/ # LangSmith 集成
│   └── 23_error_handling/      # 错误处理
│
├── phase4_projects/            # 第四阶段：综合项目
│   ├── 01_rag_system/          # RAG 系统
│   ├── 02_multi_agent_support/ # 多智能体客服
│   └── 03_research_assistant/  # 研究助手
│
├── docs/                       # 学习文档
├── .env.example                # 环境变量模板
├── requirements.txt            # 依赖列表
└── README.md                   # 本文件

🎯 各阶段详细内容

第一阶段：基础知识

模块	主题	学习内容
01	Hello LangChain	`init_chat_model`、`invoke` 方法、环境配置
02	Prompt Templates	文本模板、对话模板、变量替换、LCEL
03	Messages	HumanMessage、AIMessage、SystemMessage、对话历史
04	Custom Tools	`@tool` 装饰器、参数类型、docstring 重要性
05	Simple Agent	`create_agent` 创建 Agent、配置选项
06	Agent Loop	执行循环、消息历史、流式输出

核心代码示例：

from langchain.chat_models import init_chat_model
from langchain.agents import create_agent  # LangChain 1.0 正确的 API
from langchain_core.tools import tool

# 初始化模型
model = init_chat_model("groq:llama-3.3-70b-versatile")

# 创建工具
@tool
def get_weather(city: str) -> str:
    """获取城市天气信息"""
    return f"{city}: 晴，25°C"

# 创建 Agent
agent = create_agent(
    model=model,
    tools=[get_weather],
    system_prompt="你是一个天气助手"  # LangChain 1.0 使用 system_prompt 参数
)

# 运行
response = agent.invoke({
    "messages": [{"role": "user", "content": "北京天气怎么样？"}]
})

第二阶段：实战技能

模块	主题	学习内容
07	Memory Basics	InMemorySaver、会话管理
08	Context Management	消息修剪、上下文窗口
09	Checkpointing	SQLite 持久化、状态恢复
10	Middleware Basics	自定义中间件、钩子函数
11	Structured Output	Pydantic 模型、输出解析
12	Validation Retry	验证失败处理、重试机制
13	RAG Basics	文档加载、分块、向量存储、检索
14	RAG Advanced	混合搜索、重排序、高级检索

第三阶段：高级主题

模块	主题	学习内容
16	LangGraph Basics	StateGraph、节点、边、检查点
17	Multi-Agent	Supervisor 模式、协作调度
18	Conditional Routing	动态分支、决策树
19	Image Input	视觉理解、图像分析
20	File Handling	文档加载、多格式支持
21	Mixed Modality	文本+图像+数据综合处理
22	LangSmith Integration	追踪、监控、性能分析
23	Error Handling	重试、降级、容错机制

第四阶段：综合项目

项目	描述	核心技术
RAG System	文档问答系统	向量存储、检索增强生成、引用追踪
Multi-Agent Support	智能客服系统	多 Agent 协作、意图识别、路由分发
Research Assistant	研究助手	多阶段工作流、报告生成、引用管理

🔧 运行示例

运行单个模块

# 进入模块目录
cd phase1_fundamentals/01_hello_langchain

# 运行主程序
python main.py

# 运行测试（如果有）
python test.py

运行综合项目

# 进入项目目录
cd phase4_projects/01_rag_system

# 运行项目
python main.py

💡 核心知识点总结

1. LangChain 1.0 模型调用

from langchain.chat_models import init_chat_model

# 三种输入格式
model = init_chat_model("groq:llama-3.3-70b-versatile")
model.invoke("简单文本")
model.invoke([{"role": "user", "content": "字典格式"}])
model.invoke([HumanMessage("消息对象")])

2. 创建工具

from langchain_core.tools import tool

@tool
def my_tool(param: str) -> str:
    """工具描述 - AI 读这个来理解何时使用此工具！"""
    return "result"

3. 创建 Agent

from langchain.agents import create_agent

agent = create_agent(
    model=model,
    tools=[tool1, tool2],
    system_prompt="Agent 的行为指令"
)

response = agent.invoke({
    "messages": [{"role": "user", "content": "问题"}]
})

⚠️ 注意：langgraph.prebuilt.create_react_agent 已弃用，将在 V2.0 移除。请统一使用 langchain.agents.create_agent。

4. LangGraph 状态图（高级定制）

当 create_agent 无法满足需求时，使用底层 API：

from langgraph.graph import StateGraph, START, END
from typing import TypedDict, Annotated
from langgraph.graph.message import add_messages

class State(TypedDict):
    messages: Annotated[list, add_messages]

graph = StateGraph(State)
graph.add_node("chat", chat_node)
graph.add_edge(START, "chat")
graph.add_edge("chat", END)

app = graph.compile()

❓ 常见问题

1. API 密钥问题

确保 .env 文件配置正确：

GROQ_API_KEY=gsk_...
OPENAI_API_KEY=sk-...  # 可选

2. 导入错误

LangChain 1.0 正确的导入路径：

# 模型
from langchain.chat_models import init_chat_model

# Agent
from langchain.agents import create_agent  # ✅ 推荐

# 工具
from langchain_core.tools import tool

# LangGraph（高级定制）
from langgraph.graph import StateGraph, START, END

⚠️ from langgraph.prebuilt import create_react_agent 已弃用

3. Agent 不调用工具

检查工具的 docstring 是否清晰
确保问题明确需要该工具
工具参数类型注解完整

4. 对话不记忆

必须传入完整历史：

# ❌ 错误
model.invoke("你记得我的名字吗？")

# ✅ 正确
conversation = [previous_messages...] + [new_message]
model.invoke(conversation)

📚 重要资源

LangChain 官方文档: https://docs.langchain.com/oss/python/langchain/
LangGraph 文档: https://docs.langchain.com/oss/python/langgraph
迁移指南: https://docs.langchain.com/oss/python/migrate/langchain-v1
LangSmith 平台: https://smith.langchain.com
GitHub 仓库: https://github.com/langchain-ai/langchain

📄 许可证

MIT License

🎓 致谢

https://github.com/Mason-zy/Langchain1.0-Study
LangChain 官方团队

开始学习之旅 👉 cd phase1_fundamentals/01_hello_langchain && python main.py

Name		Name	Last commit message	Last commit date
Latest commit History 4 Commits
docs		docs
phase1_fundamentals		phase1_fundamentals
phase2_practical		phase2_practical
phase3_advanced		phase3_advanced
phase4_projects		phase4_projects
.env.example		.env.example
.gitignore		.gitignore
LICENSE.txt		LICENSE.txt
README.md		README.md
img.png		img.png
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation

🦜🔗 LangChain 1.0 & LangGraph 1.0 完整学习指南

📚 关于 LangChain 1.0

🚀 快速开始

环境要求

安装步骤

需要的 API Keys

验证安装

📖 学习路径

📁 项目结构

🎯 各阶段详细内容

第一阶段：基础知识

第二阶段：实战技能

第三阶段：高级主题

第四阶段：综合项目

🔧 运行示例

运行单个模块

运行综合项目

💡 核心知识点总结

1. LangChain 1.0 模型调用

2. 创建工具

3. 创建 Agent

4. LangGraph 状态图（高级定制）

❓ 常见问题

1. API 密钥问题

2. 导入错误

3. Agent 不调用工具

4. 对话不记忆

📚 重要资源

📄 许可证

🎓 致谢

About

Topics

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages