简介#
欢迎来到LangChain学院！
这是一套持续增长的模块化课程，专注于LangChain生态系统中的核心概念。
模块0为基础环境配置，模块1至4则聚焦LangGraph技术，逐步深入更高级的主题。
每个模块文件夹内都包含一组Jupyter笔记本文件，并配有相应的LangChain学院教程引导学习。各模块还设有studio子目录，内含我们将通过LangGraph API和Studio工具探索的相关流程图。
环境配置#
Python版本要求#
为确保最佳学习体验，请使用Python 3.11或更高版本。 该版本是LangGraph运行的最佳兼容环境，若您当前版本较低，建议升级以获得流畅体验。
python3 --version
克隆代码库#
git clone https://github.com/langchain-ai/langchain-academy.git
$ cd langchain-academy
创建虚拟环境并安装依赖#
Mac/Linux/WSL系统#
$ python3 -m venv lc-academy-env
$ source lc-academy-env/bin/activate
$ pip install -r requirements.txt
Windows Powershell#
PS> python3 -m venv lc-academy-env
PS> Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process
PS> lc-academy-env\scripts\activate
PS> pip install -r requirements.txt
运行Jupyter笔记本#
若未安装Jupyter，请参考官方安装指南。
$ jupyter notebook
环境变量配置#
简要说明环境变量设置方法，也可使用.env文件配合python-dotenv库管理。
Mac/Linux/WSL系统#
$ export API_ENV_VAR="your-api-key-here"
Windows Powershell#
PS> $env:API_ENV_VAR = "your-api-key-here"
设置OpenAI API密钥#
- 若未持有OpenAI API密钥，请至官网注册
- 在环境中配置
OPENAI_API_KEY变量
注册并配置LangSmith服务#
- 前往LangSmith官网注册账号
- 了解如何在工作流中集成该服务，请参阅使用指南及官方文档
- 在环境中设置
LANGCHAIN_API_KEY和LANGCHAIN_TRACING_V2=true变量
配置Tavily网页搜索API#
- Tavily搜索API是专为LLM和RAG优化的搜索引擎，提供高效、快速且持久的搜索结果。
-
可通过官网申请API密钥，注册流程简便且提供充足的免费额度。模块4部分课程将使用该服务。
-
在环境中配置
TAVILY_API_KEY变量。
配置LangGraph Studio环境#
- LangGraph Studio是用于可视化测试智能体的定制化IDE
- 支持在Mac/Windows/Linux系统本地运行并通过浏览器访问
- 本地开发服务器配置详见开发文档与运行指南
- 各模块的流程图文件存放于
module-x/studio/目录 - 在每个模块的
/studio目录下执行以下命令启动开发服务器：
langgraph dev
将看到如下输出：
- 🚀 API: http://127.0.0.1:2024
- 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- 📚 API Docs: http://127.0.0.1:2024/docs
在浏览器中访问Studio界面：https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- 使用Studio需创建包含API密钥的.env文件
- 以下命令示例为模块1至5创建配置文件：
for i in {1..5}; do cp module-$i/studio/.env.example module-$i/studio/.env echo "OPENAI_API_KEY=\"$OPENAI_API_KEY\"" > module-$i/studio/.env done echo "TAVILY_API_KEY=\"$TAVILY_API_KEY\"" >> module-4/studio/.env