基于 Langchain 1.1.0 和 Qwen3-max 的完整学习项目，包含 15 个循序渐进的示例（基础 10 个 + 高级 5 个），全面展示 Langchain 从入门到生产级应用的核心能力。
🌟 项目亮点: 统一场景设计 | 循序渐进 | 生产级示例 | 完整文档 | 可直接运行
| 特色 | 说明 |
|---|---|
| 🎭 统一场景 | 所有示例基于"智能旅行规划"场景，便于理解和对比 |
| 📈 循序渐进 | 从基础对话到生产级应用，15 个示例层层递进 |
| 🏭 生产级示例 | 包含多 Agent 协作、工作流、高级 RAG 等实战功能 |
| 📚 完整文档 | 10 个详细文档，覆盖快速开始、使用指南、示例说明 |
| ✅ 可直接运行 | 所有代码已测试，一键安装即可运行 |
| 🎓 学习价值 | 适合初学者到专家的完整学习路径 |
- 基础对话 - ChatModel 基础使用
- 提示词模板 - PromptTemplate 和变量
- 输出解析器 - 结构化数据提取
- 对话记忆 - 多轮对话上下文
- 链式调用 - 复杂流程编排
- 检索增强生成 (RAG) - 知识库问答
- 工具调用 - Function Calling
- Agent 代理 - 自主决策系统
- 流式输出 - 实时响应
- 综合应用 - 完整系统集成
- 多 Agent 协作 - 专业团队协同规划
- 图状工作流 - 动态决策系统
- 高级 RAG - 多源知识融合与重排序
- 自我反思 - Agent 迭代优化
- 人机协作 - 交互式定制系统
详细说明请查看 EXAMPLES.md 和 ADVANCED_EXAMPLES.md
| 文档 | 用途 | 适合人群 |
|---|---|---|
| INDEX.md | 📑 文档导航和索引 | 所有用户 |
| QUICKSTART.md | ⚡ 5分钟快速上手 | 新手 |
| USAGE_GUIDE.md | 📖 详细使用指南 | 学习者 |
| EXAMPLES.md | 📝 基础示例说明 (1-10) | 初学者 |
| ADVANCED_EXAMPLES.md | 🚀 高级示例说明 (11-15) | 进阶者 |
| PROJECT_SUMMARY.md | 📊 项目总结 | 了解全貌 |
| SHOWCASE.md | 🎨 项目展示 | 快速预览 |
| FINAL_SUMMARY.md | 🎉 最终总结 | 完整回顾 |
- Python 3.10+
- uv 包管理器
uv sync# 交互式运行
uv run python src/run_all_examples.py
# 运行单个示例
uv run python src/example_01_basic_chat.py
# 运行指定示例
uv run python src/run_all_examples.py 5| 指标 | 数值 | 说明 |
|---|---|---|
| 📝 示例总数 | 15 个 | 基础 10 + 高级 5 |
| 💻 代码文件 | 18 个 | 包含所有示例和工具 |
| 📖 文档文件 | 10 个 | 完整的文档体系 |
| 📏 代码行数 | 1500+ 行 | 详细注释，易于理解 |
| 📚 文档字数 | 15000+ 字 | 全面的学习资料 |
| 🎯 完成度 | 100% | 所有功能已实现并测试 |
- langchain==1.1.0
- langchain-core==1.1.0
- langchain-openai==1.1.0
- dashscope
- qwen3-max (LLM)
初学者: 示例 1-4 (基础概念)
进阶: 示例 5-7 (复杂功能)
高级: 示例 8-10 (Agent 和系统)
专家: 示例 11-15 (生产级应用) 🚀
.
├── src/ # 源代码目录
│ ├── 📁 基础示例 (1-10)
│ │ ├── example_01_basic_chat.py # 基础对话
│ │ ├── example_02_prompt_template.py # 提示词模板
│ │ ├── example_03_output_parser.py # 输出解析器
│ │ ├── example_04_memory.py # 对话记忆
│ │ ├── example_05_chains.py # 链式调用
│ │ ├── example_06_retrieval.py # RAG
│ │ ├── example_07_tools.py # 工具调用
│ │ ├── example_08_agents.py # Agent
│ │ ├── example_09_streaming.py # 流式输出
│ │ └── example_10_advanced.py # 综合应用
│ │
│ ├── 🚀 高级示例 (11-15)
│ │ ├── example_11_multi_agent.py # 多 Agent 协作
│ │ ├── example_12_graph_workflow.py # 图状工作流
│ │ ├── example_13_rag_advanced.py # 高级 RAG
│ │ ├── example_14_self_reflection.py # 自我反思
│ │ └── example_15_human_in_loop.py # 人机协作
│ │
│ ├── run_all_examples.py # 交互式运行器
│ └── main.py # 原始示例
│
├── 📚 文档目录
│ ├── README.md # 项目介绍（本文件）
│ ├── QUICKSTART.md # 5分钟快速上手
│ ├── USAGE_GUIDE.md # 详细使用指南
│ ├── EXAMPLES.md # 基础示例文档 (1-10)
│ ├── ADVANCED_EXAMPLES.md # 高级示例文档 (11-15)
│ ├── PROJECT_SUMMARY.md # 项目总结
│ ├── INDEX.md # 文档导航索引
│ ├── SHOWCASE.md # 项目展示
│ ├── CHECKLIST.md # 完成清单
│ └── FINAL_SUMMARY.md # 最终总结
│
├── ⚙️ 配置文件
│ ├── pyproject.toml # 项目配置
│ ├── .python-version # Python 版本
│ ├── .env.example # 环境变量示例
│ └── test_examples.sh # 测试脚本
│
└── uv.lock # 依赖锁定文件
## 🎓 核心功能覆盖
### 基础功能 (示例 1-10)
- ✅ **ChatModel** - LLM 基础交互
- ✅ **PromptTemplate** - 结构化提示词
- ✅ **OutputParser** - 结构化输出解析
- ✅ **Memory** - 对话历史管理
- ✅ **Chains** - 流程编排
- ✅ **RAG** - 检索增强生成
- ✅ **Tools** - 工具函数调用
- ✅ **Agents** - 自主决策系统
- ✅ **Streaming** - 流式响应
- ✅ **Integration** - 系统集成
### 高级功能 (示例 11-15) 🚀
- ✅ **Multi-Agent** - 多 Agent 协作系统
- ✅ **Graph Workflow** - 图状工作流
- ✅ **Advanced RAG** - 多源知识融合
- ✅ **Self-Reflection** - 自我反思优化
- ✅ **Human-in-Loop** - 人机协作
---
## 🚀 使用场景
### 学习教育
- 📖 Langchain 系统学习
- 🎓 课程教学案例
- 🔬 实验室项目
- 📝 毕业设计参考
### 项目开发
- 🏗️ 项目快速原型
- 📋 代码参考模板
- 🎯 技术选型参考
- 🔧 最佳实践应用
### 团队培训
- 👥 内部技术培训
- 📢 技术分享材料
- 🌐 统一技术栈
- 💡 知识传承
---
## 💡 示例亮点展示
### 示例 11: 多 Agent 协作
```python
# 模拟专业团队协作
system = MultiAgentSystem()
result = system.plan_trip(
destination="云南丽江",
days=5,
budget=5000,
preferences="喜欢自然风光和民族文化"
)
# 路线规划师 → 预算分析师 → 当地向导 → 风险管理 → 协调员
# 多源知识库 + 智能检索 + 重排序
rag = AdvancedRAGSystem()
result = rag.query(
question="黄山旅游需要注意什么？",
location="黄山"
)
# 自动融合官方文档、用户评价、安全警告等多源信息# Agent 自我评估和迭代改进
agent = ReflectiveAgent()
plan = agent.plan_with_reflection(
destination="厦门",
days=3,
requirements="包含海滩、美食、文化景点"
)
# 自动评分 → 发现问题 → 改进方案 → 再次评估| 技术 | 版本 | 用途 |
|---|---|---|
| Python | 3.10+ | 编程语言 |
| Langchain | 1.1.0 | AI 应用框架 |
| Langchain-Core | 1.1.0 | 核心组件 |
| Langchain-OpenAI | 1.1.0 | OpenAI 集成 |
| Qwen3-max | Latest | 大语言模型 |
| uv | Latest | 包管理器 |
| Pydantic | 2.x | 数据验证 |
开始
↓
📖 阅读 README & QUICKSTART (10分钟)
↓
🎯 运行示例 1-4: 基础概念 (1-2天)
├─ 理解 ChatModel、Prompt、Parser、Memory
└─ 练习：修改参数，观察输出变化
↓
🔧 运行示例 5-7: 复杂功能 (2-3天)
├─ 掌握 Chains、RAG、Tools
└─ 练习：设计自己的工具和流程
↓
🤖 运行示例 8-10: Agent 系统 (3-5天)
├─ 理解 Agent 架构和决策
└─ 练习：构建简单的 Agent 应用
↓
🚀 运行示例 11-15: 生产级应用 (5-7天)
├─ 学习多 Agent、工作流、高级 RAG
└─ 练习：构建完整的生产级应用
↓
🎉 完成学习，开始构建自己的项目！
欢迎贡献！你可以：
- 🐛 报告 Bug
- 💡 提出新功能建议
- 📝 改进文档
- 🔧 提交代码优化
- ⭐ Star 本项目
MIT License - 自由使用、修改和分发
- 📧 问题反馈: [GitHub Issues]
- 💬 讨论交流: [GitHub Discussions]
- 📖 项目文档: 查看文档
⭐ 如果这个项目对你有帮助，请给一个 Star！⭐
开始你的 Langchain 学习之旅！ 🚀
最后更新: 2025-11-27 | 版本: 2.0.0 | 状态: ✅ 已完成