你这门课的目标（从零版）
学完这个主题，你要达到的不是“看懂文档”，而是 4 件事：
- 能独立写出一个带工具调用的 LangChain agent。
- 能用 LangGraph 把 agent 改造成可分支、可循环、可恢复的状态图。
- 能把结果接到你后续 FastAPI/RAG 主题，形成可演示项目。
- 能在面试里讲清楚：为什么这样设计、哪里容易出故障、如何评估质量。
先把学习环境一次配好（Day0，约 40-60 分钟）
1) 建议环境
- Python: 3.11（推荐）
- 包管理：
venv 或 uv
- IDE：Cursor / VSCode
2) 最小安装
python -m venv .venv
source .venv/bin/activate
pip install -U pip
pip install langchain langgraph langsmith python-dotenv
3) 环境变量（先占位）
# .env
OPENAI_API_KEY=xxx
# 若用其它模型，按官方文档设置相应 KEY
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=xxx
说明：你可以用任一兼容模型，课程重点在“编排与工程化”，不是绑定某个厂商。
从零认知图（先理解，不急写复杂代码）
| 层级 | 你要理解什么 | 你最终会产出什么 |
|---|
| L1 | LangChain 基础组件（messages/tools/runnables） | 一个可调用工具的最小 agent |
| L2 | LangGraph 状态机（nodes/edges/state） | 一个可分支、可循环的工作流 |
| L3 | 记忆与持久化（thread/checkpoint） | 可恢复会话的 agent |
| L4 | 观测与评估（trace/eval） | 一套“是否变好”的证据 |
| L5 | 项目化表达 | 简历可写 + 面试可讲 |
14 天冲刺计划（3h+ / 天）
第 1 阶段：打底（Day1-Day3）
Day1：LLM 调用与消息模型
- 学习目标：理解
System/Human/AI 消息格式与对话上下文。
- 任务：
- 跑通一次最小 LLM 调用。
- 做 3 次 prompt 对比（同问题不同 system 指令）。
- 验收：你能解释“为什么 system prompt 会稳定输出风格”。
- 学习目标：让模型调用函数，而不是只回答文本。
- 任务：
- 写 2 个工具：
get_weather(city)、search_notes(keyword)（先假数据）。
- 给工具加参数校验和报错信息。
- 验收：工具参数错误时，agent 能给出可读错误而不是崩溃。
Day3：Runnable/Chain 组合
- 学习目标：把多个步骤串起来（输入预处理 -> 调用 -> 输出格式化）。
- 任务：
- 用链式方式输出固定 JSON。
- 加入“失败重试 1 次”逻辑。
- 验收：同一输入多次运行，输出结构保持一致。
第 2 阶段：LangGraph 核心（Day4-Day8）
Day4：第一个 StateGraph
- 学习目标：理解
State、Node、Edge。
- 任务：
- 建 3 节点图：
analyze -> act -> respond。
- 增加一条条件边（是否需要调用工具）。
- 验收：你能在白板画出执行路径。
Day5：循环与终止条件
- 学习目标：防止死循环，明确何时停止。
- 任务：
- 增加
step_count 到 state。
- 设置最大步数 + 重复问题检测。
- 验收：任何输入都能在可控步数内结束。
Day6：Checkpoint 与 Thread（重点）
- 学习目标：理解为什么 LangGraph 能“记住会话并恢复”。
- 任务：
- 用内存 checkpointer 跑多轮对话（同
thread_id）。
- 观察状态如何跨轮次保留。
- 验收：重启一次调用后，仍可从同线程继续。
Day7：人机审批（Human-in-the-loop）
- 学习目标：高风险操作必须人工确认。
- 任务：
- 对“写文件/发送请求”等工具加审批节点。
- 审批拒绝时进入降级路径。
- 验收：审批拒绝后系统行为可预测，不乱调用工具。
Day8：子图与模块化
- 学习目标：把大图拆成可维护子图。
- 任务：
- 把“检索流程”拆成子图模块。
- 主图只负责路由与收口。
- 验收：改检索逻辑时不影响主流程其他节点。
第 3 阶段：工程化（Day9-Day12）
Day9：日志、Trace、可观测性
- 学习目标：每次请求都能追踪“做了什么、花了多久”。
- 任务：
- 接入 LangSmith tracing。
- 标记关键节点：检索、工具调用、最终回答。
- 验收：你能截图一条完整 trace，指出耗时瓶颈。
Day10：错误处理与降级
- 学习目标：API 超时、工具失败时系统不崩。
- 任务：
- 为工具加超时、重试、fallback。
- 统一异常映射（用户可读错误）。
- 验收：模拟工具失败时仍能返回兜底答案。
Day11：质量评估（最小评测集）
- 学习目标：建立“是否变好”的客观基线。
- 任务：
- 准备 20 条问题数据集（你简历与学习内容相关）。
- 记录命中率、幻觉率、平均延迟。
- 验收：改一版 prompt/graph 后能量化对比前后差异。
Day12：性能与成本控制
- 学习目标：学会控制 token 与延迟。
- 任务：
- 加对话摘要（历史压缩）。
- 统计每类问题的 token 消耗。
- 验收：在效果近似条件下，成本显著下降（你自己定阈值）。
第 4 阶段：项目与面试（Day13-Day14）
Day13：做一个可演示 Demo
建议做：学习助手 Agent（正好贴合你平台主题）
- 输入：学习目标（如“本周学 LangGraph + FastAPI”）
- 输出：学习任务拆分、资源推荐、每日复盘问题
- 能力：工具调用（读取本地笔记/搜索资料）、状态记忆、审批节点
Day14：简历与面试表达
- 写 1 段 STAR 项目描述（背景/任务/行动/结果）。
- 准备 10 个问答（见下方题库）。
- 目标：3 分钟讲清架构，10 分钟讲清 trade-off。
你每天 3h+ 的固定学习模板
- 第 1 小时：看官方文档（只看当天目标相关章节）
- 第 2 小时：跟着写最小代码（必须跑起来）
- 第 3 小时：做增强与记录（错误处理/日志/复盘）
- 额外时间：整理“今天能写进简历的 1 条产出”
每天必须交付的产物（防止假学习）
notes/dayX.md：今天学了什么、踩了什么坑、明天做什么。demos/dayX/：至少一个可运行脚本。screenshots/dayX/：关键运行图（尤其 trace）。
常见坑与规避（你一定会踩）
- 只看教程不写代码：当天必须有运行结果截图。
- 图太复杂，无法调试：先 3 节点，再逐步加。
- 没有终止条件：必须有
max_steps。
- 把所有逻辑塞一个节点：节点职责单一，便于追踪。
- 无评测就频繁改：先建立 20 条基线问题集。
面试高频题（强化版）
- LangChain 和 LangGraph 分别解决什么问题？
- 你为什么要用状态图而不是“while + if”手写流程？
- 如何设计 Agent 的终止条件？
- 如何做会话记忆与长期记忆分层？
- 工具调用失败时你如何降级？
- 你如何判断一次优化是“真的变好”？
- 如何在多轮对话中控制 token 成本？
- 人机协作审批节点放在哪些环节？
- 你如何防止 prompt 注入影响工具安全？
- 这个架构如何扩展到多 Agent？
可直接复用的项目验收标准
- 功能：能完成“理解问题 -> 调用工具 -> 给出结构化回答”。
- 稳定：异常场景（工具超时、参数错误）不崩溃。
- 可观测：至少有一条完整 trace。
- 可维护：节点职责清晰，支持增删模块。
- 可表达：你能画图讲清数据流与决策流。
详细资料索引（按优先级）
A 级（必看，官方）
B 级（辅助）
动画/架构学习建议（你提到“要动画和架构”）
- 优先看官方课程中的流程图与执行可视化章节。
- 你自己每学完一天都画一张“节点流转图”（哪怕手绘拍照），这是最有效的架构内化方式。
你今天就可以开始的第 1 天任务清单
做完后告诉我“Day1 完成”，我会按你项目实际进度继续给你 Day2 的代码级带练版（不是泛泛建议）。
