LangGraph 从入门到实战教程

发表于 更新于 分类于 ， Changyan： 本文字数： 1.4k 阅读时长 ≈ 5 分钟

本系列教程专为只有Python Web开发经验、对AI应用开发零基础的开发者设计。我们将用通俗易懂的语言，通过实际案例，带你从零开始掌握LangGraph的核心概念和实战应用。

适合人群：

  • 熟悉Python基础语法和Web开发
  • 对AI应用开发感兴趣但没有实践经验
  • 想快速上手LangGraph框架的开发者

学习收获：

  • 理解LangGraph的核心概念和使用场景
  • 掌握LangGraph的状态管理、节点设计、流程控制
  • 学会集成国内大模型（通义千问、DeepSeek等）
  • 完成一个完整的智能TextToSql应用项目

🗂️ 课程目录

基础篇

Lesson 01: LangGraph是什么？

学习目标： 理解LangGraph的核心概念，知道它能解决什么问题

  • LangGraph是什么？用大白话解释
  • 为什么需要LangGraph？（对比传统方式）
  • LangGraph的核心概念：图、节点、边、状态
  • 生活场景类比：把AI对话想象成流水线

Lesson 02: 第一个LangGraph应用

学习目标： 动手写出第一个LangGraph程序

  • 环境准备（使用通义千问API）
  • Hello World：最简单的对话机器人
  • 代码解析：每一行都在做什么
  • 运行和调试技巧

Lesson 03: 状态管理和节点

学习目标： 理解LangGraph如何管理数据流转

  • 什么是State？类比Web请求中的Context
  • 如何定义和使用State
  • 节点的概念和作用
  • 实战：构建一个多轮对话机器人

Lesson 04: 图的流转控制

学习目标： 掌握复杂业务流程的控制方法

  • 条件边：根据结果决定下一步
  • 循环流程：实现重试和迭代
  • 并行节点：提高处理效率
  • 实战：智能客服路由系统

进阶篇

Lesson 05: 工具调用和外部集成

学习目标： 让AI能够调用外部工具和API

  • 什么是工具调用（Function Calling）
  • 如何定义和注册工具
  • 工具调用的最佳实践
  • 实战：集成天气查询、数据库查询等工具

Lesson 06: 记忆和知识检索

学习目标： 实现上下文记忆和知识库检索

  • 对话记忆管理
  • 向量数据库基础（简化版）
  • RAG（检索增强生成）原理
  • 实战：带知识库的智能问答系统

Lesson 07: 错误处理和重试机制

学习目标： 构建健壮的生产级应用

  • 常见错误类型和处理方法
  • 自动重试机制
  • 降级策略
  • 日志和监控
  • 实战：带容错的AI工作流

实战篇

Lesson 08: 智能TextToSql应用

学习目标： 完成一个完整的企业级AI应用

  • 项目需求分析和架构设计
  • 意图识别节点：理解用户想干什么
  • 实体拆解节点：提取关键信息（增长率、时间等）
  • 知识检索节点：查询字段映射和示例
  • SQL生成节点：根据意图生成SQL
  • SQL验证节点：检查SQL的正确性和安全性
  • 结果呈现节点：格式化查询结果
  • FastAPI集成：提供RESTful API
  • Web界面：简单友好的用户界面
  • 部署和测试

🚀 快速开始

1. 环境准备

1
2
3
4
5
# 进入项目目录
cd demo

# 安装依赖（使用uv）
uv pip install -r requirements.txt

2. 配置API密钥

创建 .env 文件：

1
2
3
4
5
6
7
8
9
# 使用通义千问
DASHSCOPE_API_KEY=your_api_key_here

# 或使用DeepSeek
DEEPSEEK_API_KEY=your_api_key_here

# 或使用阿里云百炼
BAILIAN_API_KEY=your_api_key_here
BAILIAN_BASE_URL=your_base_url_here

3. 运行第一个示例

1
2
3
4
5
# 激活虚拟环境
source ../.venv/bin/activate

# 运行Lesson 01的示例
python lesson_01/example.py

💡 学习建议

  1. 循序渐进：请按照课程顺序学习，每节课都基于前面的知识
  2. 动手实践：每节课都有代码示例，请务必自己敲一遍
  3. 理解原理：不要只是复制粘贴，理解每行代码的作用
  4. 举一反三：尝试修改示例，实现自己的想法
  5. 遇到问题：查看每节课的”常见问题”部分，或参考官方文档

📖 补充资源

推荐阅读

  • LangChain官方文档
  • LangGraph官方文档
  • 通义千问API文档
  • DeepSeek API文档

相关概念

  • LLM（大语言模型）：像GPT、通义千问这样的AI模型
  • Agent（智能体）：能自主决策和执行任务的AI程序
  • RAG（检索增强生成）：结合知识库的AI问答系统
  • Prompt（提示词）：给AI的指令和上下文

🔧 技术栈

  • Python 3.10+
  • LangChain & LangGraph：AI应用开发框架
  • FastAPI：Web API框架
  • 通义千问/DeepSeek：国产大语言模型
  • SQLite：轻量级数据库（用于示例）
  • Pydantic：数据验证和类型注解

❓ 常见问题

Q1: 我需要GPU吗？

不需要！我们使用云端的大模型API，普通电脑即可运行。

Q2: 需要翻墙吗？

不需要！我们使用国内的大模型服务（通义千问、DeepSeek等）。

Q3: 课程费用？

所有教程完全免费。使用大模型API需要付费，但每天的免费额度足够学习使用。

Q4: 学习周期？

如果每天投入2-3小时，预计1-2周可以完成全部课程。

Q5: 需要机器学习基础吗？

不需要！我们会用通俗的语言解释所有概念。

📝 课程更新

  • 2025-10-28：创建课程框架和总览文档
  • 持续更新中…

🤝 贡献

如果你在学习过程中发现问题或有改进建议，欢迎提出！

📄 许可

本教程仅供学习使用。

开始学习： 👉 Lesson 01: LangGraph是什么？