# learn_langgraph

**Repository Path**: ckdkambh/learn_langgraph

## Basic Information

- **Project Name**: learn_langgraph
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-13
- **Last Updated**: 2026-04-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LangChain + LangGraph 学习项目

一个全面学习 LangChain 和 LangGraph 的 Demo 项目，包含详细注释和面试考点。

## 项目结构

```
langchain_learn/
├── config.yaml              # 模型配置
├── requirements.txt         # 依赖
├── utils/                 # 工具函数
│   └── config.py
├── 01_basics/            # LangChain 基础
│   ├── 01_llcel_basics.py   # LCEL 表达式
│   ├── 02_components.py     # 组件
│   └── 03_models.py         # 模型调用
├── 02_tools/             # Tools 系统
│   ├── 01_simple_tool.py
│   ├── 02_tool_builder.py
│   └── 03_multiple_tools.py
├── 03_agent/            # Agent
│   ├── 01_react_agent.py
│   └── 02_function_calling.py
├── 04_memory/           # Memory
│   ├── 01_buffer.py
│   └── 02_summary.py
├── 05_langgraph/        # LangGraph (重点!)
│   ├── 01_basic_graph.py    # 基础状态图
│   ├── 02_conditional.py  # 条件边
│   ├── 03_checkpointer.py # 持久化
│   ├── 04_multi_agent.py  # 多Agent协作
│   ├── 05_custom_nodes.py  # 自定义节点
│   ├── 06_custom_edges.py  # 自定义边
│   ├── 07_subgraph.py     # 子图
│   ├── 08_advanced_patterns.py # 高级模式
│   └── 09_invoke_stream_batch.py # invoke/stream/batch对比
└── 06_rag/            # RAG
```

## 快速开始

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 配置模型

编辑 `config.yaml`，修改:

- `model_type`: "openai兼容" 或 "ollama"
- `base_url`: 你的API地址
- `api_key`: 你的API Key
- `model`: 使用的模型

### 3. 运行 Demo

```bash
# LCEL 基础
python 01_basics/01_llcel_basics.py

# Tools
python 02_tools/01_simple_tool.py

# Agent
python 03_agent/01_react_agent.py

# Memory
python 04_memory/01_buffer.py

# LangGraph 基础
python 05_langgraph/01_basic_graph.py
```

## 学习路径

### 面试重点推荐

1. **LCEL** - 管道操作符原理
2. **Tools** - @tool装饰器、bind_tools
3. **LangGraph 基础**
   - StateGraph 原理
   - add_edge vs add_conditional_edges
   - 节点和边的执行流程
4. **Checkpointer**
   - 持久化原理
   - 状态恢复流程

## 面试常见问题

### LangGraph

- `add_edge` vs `add_conditional_edges` 的区别?
- 条件函数返回什么?
- Checkpointer 如何保存和恢复状态?
- invoke vs stream vs batch 的区别?

### LCEL

- `|` 管道操作符原理?
- Runnable 接口有哪些方法?
- LCEL vs LangGraph 怎么选?

## 配置说明

```yaml
model_type: "openai兼容"

openai:
  base_url: "https://api.siliconflow.cn/v1"  # API地址
  api_key: "sk-xxx"                          # API Key
  model: "Qwen/Qwen2.5-7B-Instruct"          # 模型名
  temperature: 0.7

storage:
  type: "memory"  # 或 "sqlite"
```

## 环境要求

- Python 3.10+
- LangChain 0.3.0+
- LangGraph 0.2.0+

## 学习建议

1. **先跑通基础Demo** - 理解每个模块的基本用法
2. **阅读注释** - 每个文件都有详细的原理说明
3. **关注面试考点** - 标记了常见面试问题
4. **修改配置调试** - 用自己的模型测试
5. **理解底层原理** - 不仅会用，还要知道为什么这样设计