Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
这是一个系统学习 **LangChain 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。
| Date | Stars |
|---|---|
| 2026-07-31 | 314 |
| 2026-08-02 | 314 |
| 2026-08-03 | 314 |
| 2026-08-05 | 315 |
| 2026-08-06 | 315 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# LangChain 1.0 学习仓库 这是一个系统学习 **LangChain 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（2024年9月发布）。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 - ✅ **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 ## 🚀 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** ```bash git clone https://github.com/Mason-zy/Langchain1.0-Study.git cd langchain_v1_study ``` 2. **创建虚拟环境** ```bash # 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** ```bash pip install -r requirements.txt ``` 4. **配置环境变量** ```bash # 复制环境变量模板 cp .env.example .env # 编辑 .env 文件，填入你的 API Keys ``` 需要的 API Keys： - `OPENAI_API_KEY` - OpenAI API 密钥（https://platform.openai.com/api-keys） - `ANTHROPIC_API_KEY` - Anthropic API 密钥（https://console.anthropic.com/） - `LANGSMITH_API_KEY` - LangSmith API 密钥（可选，用于可观测性） ### 验证安装 运行第一个示例： ```bash python phase1_fundamentals/01_hello_langchain/main.py ``` ## 📖 学习路径 本仓库采用**五阶段渐进式学习**，共 31 个模块 + 3 个综合项目： ### 阶段一：基础知识（第1-2周） 📂 `phase1_fundamentals/` | 模块 | 主题 | 学习内容 | |------|------|----------| | 01 | Hello LangChain | 第一次 LLM 调用，使用 `init_chat_model` | | 02 | Prompt Templates | 创建和使用提示词模板 | | 03 | Messages | 消息类型（System、Human、AI） | | 04 | Custom Tools | 自定义工具（天气、计算器、搜索） | | 05 | Simple Agent | 使用 `create_agent` 创建 Agent | | 06 | Agent Loop | 理解 ReAct 模式执行循环 | ### 阶段二：实战进阶（第3-4周） 📂 `phase2_practical/` | 模块 | 主题 | 学习内容 | |------|------|----------| | 07 | Memory Basics | 使用 InMemorySaver 实现短期内存 | | 08 | Context Management | 消息修剪和摘要 | | 09 | Checkpointing | 使用 SQLite/Postgres 持久化状态 | | 10 | Middleware Basics | before_model 和 after_model 钩子 | | 11 | Structured Output | 使用 Pydantic 定义输出模式 | | 12 | Validation Retry | 优雅地处理验证失败 | | 13 | RAG Basics | 文档加载、向量存储、检索增强生成 | | 14 | RAG Advanced | 混合检索、重排序、高级 RAG 策略 | ### 阶段三：LangGraph 进阶（第5-6周）✅ 已完成 📂 `phase3_advanced/` | 模块 | 主题 | 学习内容 | |------|------|----------| | 15 | LangGraph Low Level | StateGraph、节点、边、reducer、条件路由 | | 16 | Multi-Agent | create_react_agent、Supervisor、Handoff | | 17 | Human-in-the-Loop | 打断、审批、编辑（LangGraph 独有） | | 18 | Subgraphs | 子图嵌套、父图调用子图、图组合 | | 19 | Streaming & Events | 底层 stream()、节点级流式、事件过滤 | | 20 | Production Ready | Checkpoint 进阶、LangSmith、错误处理、成本 | | 21 | Multimodal & Files | 图像理解、PDF 解析、多模态消息 | ### 阶段四：生产与前沿（第7-8周）🆕 待开发 📂 `phase4_frontier/` | 模块 | 主题 | 学习内容 | |------|------|----------| | 22 | MCP (Model Context Protocol) | Agent 通过标准协议连接外部工具和数据源 | | 23 | SQL Agent | 自然语言查询数据库，Text-to-SQL | | 24 | Guardrails | 安全护栏：内容过滤、输出校验、敏感信息屏蔽 | | 25 | Long-Term Memory | 跨会话持久化记忆（Store API） | | 26 | LangGraph Functional API | 函数式 API，与 Graph API 互补的新写法 | | 27 | Advanced Multi-Agent | Router / Skills / Subagents 三种高级模式 | | 28 | Time Travel & Durable Execution | 回退历史状态、断点续跑 | | 29 | Deep Agents | LangChain 2025 重点推出的"全装电池"Agent 框架 | | 30 | Agent Testing | pytest 单元测试、集成测试、Agent 评估 | | 31 | Local Server & RemoteGraph | 启动 API 服务、RemoteGraph 远程调用 | ### 阶段五：综合项目（第9-10周）🔨 部分完成 📂 `phase5_projects/` | 项目 | 描述 | 核心技术 | 状态 | |------|------|----------|------| | 01 Data Analysis Agent | CSV/Excel 读取→分析→可视化→报告 | Deep Agents、Sandbox、Skills、Streaming | ⏳ 待创建 | | 02 全栈 SaaS Agent | 用户管理、对话历史、API 服务、Agent 后台 | LangGraph Server、RemoteGraph、FastAPI | ⏳ 待创建 | | 03 Enterprise RAG | 企业级文档问答系统 | RAG、LangGraph、子图、可观测性 | ✅ 已完成 | ## 📁 项目结构 ``` Langchain1.0-Study/ ├── phase1_fundamentals/ # 阶段一：基础知识 ✅ ├── phase2_practical/ # 阶段二：实战进阶 ✅ ├── phase3_advanced/ # 阶段三：LangGraph 进阶 ✅ │ ├── 15_langgraph_low_level/ ✅ │ ├── 16_multi_agent/ ✅ │ ├── 17_human_in_the_loop/ ✅ │ ├── 18_subgraphs/ ✅ │ ├── 19_streaming_and_events/ ✅ │ ├── 20_production_ready/ ✅ │ └── 21_multimodal_fil
Excerpt of 6,601 characters
Read on GitHubWould you bet a product on this? Bounded 0–100 and slow moving.
matched fp:4790d081e67fe309, llm:description: '系统学习 LangChain 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.' (study/practice for LangChain 1.0)
matched fp:4790d081e67fe309, llm:description: '系统学习 LangChain 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.' (study/practice for LangChain 1.0)
matched fp:4790d081e67fe309, llm:description: '系统学习 LangChain 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.' (study/practice for LangChain 1.0)
matched fp:4790d081e67fe309, llm:description: '系统学习 LangChain 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.' (study/practice for LangChain 1.0)