《智能体 & LangGraph 飞速上手》
深入学习 LangGraph 和 Multi-Agent 系统开发。8 大章节,从基础概念到生产部署,掌握智能体构建完整技能。
从 Python 基础到 LangChain、LangGraph 智能体开发。 三本书系统化构建 AI 开发全栈能力,案例驱动、通俗易懂。
深入学习 LangGraph 和 Multi-Agent 系统开发。从基础概念到生产部署, 通过 8 大章节、40+ 篇详细解读,掌握智能体构建的完整技能。
立即学习系统学习 LangChain 1.X 版本。7 大模块、30+ 篇详细解读, 涵盖 Agents、Tools、Middleware、MCP 等核心概念,从入门到生产部署。
查看详情从 Python 基础到智能体开发,三本书构建完整知识体系
网页内置 Python 环境,边学边练无需配置
每个概念配有实战案例,理论联系实际
大白话解读专业术语,零基础也能快速上手
LangGraph/LangChain 代码,需要用户保存自己的 API Key点击页面右上角的 🔑 API Keys 按钮,可以配置以下三种 API Key:
所有 API Key 仅保存在您的浏览器本地存储(localStorage)中,网站不会上传或收集任何密钥信息。
配置好 API Key 后,您可以在代码中使用不同的模型:
方式 1:使用 OpenAI 模型(整个网站默认)
import os
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="gpt-5",
api_key=os.environ.get("OPENAI_API_KEY")
)
response = llm.invoke("用一句话介绍 LangChain")
print(response.content)方式 2:使用 Anthropic Claude 模型(需要用户手动编辑代码)
import os
from langchain_anthropic import ChatAnthropic
llm = ChatAnthropic(
model="claude-haiku-4-5",
api_key=os.environ.get("ANTHROPIC_API_KEY")
)
response = llm.invoke("用一句话介绍 LangChain")
print(response.content)方式 3:使用 DeepSeek 模型(需要用户手动编辑代码)
import os
from langchain_deepseek import ChatDeepSeek
llm = ChatDeepSeek(
model="deepseek-chat",
api_key=os.environ.get("DEEPSEEK_API_KEY")
)
response = llm.invoke("用一句话介绍 LangChain")
print(response.content)选择感兴趣的书籍,立即开始学习之旅:
AI 时代,理解为王
我们相信,在 AI 辅助的时代,理解核心概念比记忆技术细节更重要。LearnGraph 致力于:
《LangGraph 飞速上手》是一本持续更新的公开教程,致力于为中文开发者提供最通俗易懂的 LangGraph 学习资源。
3.1 Python 代码运行器:添加 AI 返回详细注释的功能;及聊天机器人
当前版本:v1 | 下一个里程碑:第一次打磨的版本+双语翻译(预计 2025年11月底)
你可以通过以下方式参与:
王几行XING (Bryce Wang)
感谢所有支持本项目的朋友们!
让我们一起,在 AI 时代,通过理解而非技术细节,快速掌握 AI Agent 开发! 🚀