LangChain Deep Learning & Applications

从基础到精通：LangChain 核心组件系统学习 + 实战应用

📚 项目内容

本项目包含 LangChain 的完整学习路径和实战应用：

✅ 核心模块

1. 基础组件 - Models, Prompts, Chains, Memory
2. Agent系统 - 工具定义、代理决策、ReAct模式
3. RAG框架 - 检索、向量化、增强生成
4. 生产部署 - 错误处理、流式处理、性能优化

📖 学习资源

• 笔记本 - Agent.ipynb（已有） + 扩展笔记本
• 示例代码 - 4个独立的Python脚本
  • examples/01_foundation.py - 基础组件
  • examples/02_memory.py - 记忆与对话
  • examples/03_agents.py - 代理与工具
  • examples/04_rag.py - 检索增强生成

📁 推荐学习顺序

1. 阅读 README_NEW.md 了解全局结构
2. 阅读 STRUCTURE.md 查看详细规划
3. 运行 examples/ 中的示例代码
4. 学习 Agent.ipynb 中的高级用法

🚀 快速开始

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

# 2. 运行示例
python examples/01_foundation.py
python examples/02_memory.py
python examples/03_agents.py
python examples/04_rag.py

# 3. 学习笔记本
jupyter notebook notebooks/Agent.ipynb

🎯 核心概念

概念	说明
Models	LLM和Chat模型接口
Prompts	提示工程与模板化
Chains	链式操作与LCEL
Memory	对话历史管理
Agents	自主决策与工具调用
RAG	检索增强生成系统

📊 学习路径

Foundation (基础)
    ↓
Chains & Memory (链与记忆)
    ↓
Agents & Tools (代理与工具)
    ↓
RAG & Advanced (高级特性)
    ↓
Production Ready (生产部署)

💡 实战项目

智能客服机器人

• 技术：ChatModel, Memory, Streaming, Gradio UI
• 难度：⭐⭐

文档问答系统

• 技术：TextSplitter, Embeddings, RAG, VectorStore
• 难度：⭐⭐⭐

多工具智能代理

• 技术：Tools, Agent, ReAct, Planning
• 难度：⭐⭐⭐⭐

🔗 资源

• 📖 官方文档
• 🎥 视频教程
• 💬 社区论坛
• 📚 原学习文档

📝 更新记录

v2.0.0（新版）

• ✅ 完整的学习路径规划
• ✅ 4个实战示例脚本
• ✅ 详细的项目结构说明
• ✅ 生产级别最佳实践
• ✅ 本地运行演示（无需API）

v1.0.0（原版）

• ✅ Agent.ipynb 基础教程
• ✅ 多轮对话实现
• ✅ Gradio前端集成

👤 作者

Alex Wang - 求职作品集项目

---

Happy Learning! 🚀