前言
当大模型技术从“单点能力突破”迈向“场景化应用落地”，智能体（Agent）已成为连接技术与实际需求的核心载体。然而，多数初学者在接触智能体开发时，常陷入“框架概念繁杂、实操无从下手、技术与应用脱节”的困境——要么被复杂的理论体系吓退，要么掌握了框架基础却不知如何落地真实项目。
笔者在学习langchain和LangGraph框架时，发现目前市面上并没有针对lang系列框架进行系统介绍的学习教程，因此设计了“easy-langent”项目。
“langent”由“lang”（代表LangChain、LangGraph等语言大模型开发框架）与“agent”（智能体）合并而来，核心目标是打破“理论学习”与“实战开发”的壁垒：让读者在系统掌握智能体核心逻辑的同时，真正学会运用LangChain、LangGraph框架解决实际开发问题，实现“从懂概念到会开发”的跨越。
本项目配套的学习大纲遵循“循序渐进、实践导向”的设计原则，从框架基础认知入手，逐步深入核心组件实操、进阶应用开发，再到多智能体协作与系统优化，最终通过综合实战完成知识闭环。我们摒弃冗余的理论堆砌，聚焦“用框架做开发”的核心需求，每一章都配套针对性的实操任务，确保读者在学习过程中能够动手实践、深化理解。
无论你是希望入门智能体开发的高校学生，还是寻求技术落地的开发者，都能通过本项目找到清晰的学习路径。愿你在“easy-langent”的学习之旅中，既能掌握智能体开发的核心方法论，也能练就运用Lang系列框架构建实用系统的硬实力。
项目受众
无论你是希望入门智能体开发的高校学生，还是寻求技术落地的开发者，都能通过本项目找到清晰的学习路径。
**温馨提示：**本课程代码实践性非常强，对编程能力有一定要求
前置知识要求：
- 熟悉Python编程语言基础
- 对大模型技术有基本了解
- 对智能体的核心概念有基本了解
如果你还不掌握上述前置知识，建议先完成以下课程：
关于lang系列框架答疑
在课程编写初期，我就收到了不少质疑：LangChain + LangGraph 算不算业界 AI Agent 开发的主流？和 Dify、Coze 这类低代码平台比，它的优势在哪？
针对这些问题，我结合招聘平台调研和 AI 从业者的反馈，结合笔者个人的工作经验进行解答。
LangChain + LangGraph 在当前业界生产级 AI Agent 开发中占据了比较大的席位。Dify、Coze 等低代码平台确实上手快，拖拽就能搭建简单的对话机器人，适合做原型验证或轻量应用。但企业真实的开发场景中，需要的远不止 “拖拖拽拽”—— 比如实现能根据读者反馈迭代情节的小说创作多智能体，或是对接教务系统、科研数据库的智能助手，这些高度定制化、包含复杂逻辑的需求，低代码平台的模板根本无法满足，也难以对接企业私有数据和工具。
而 LangChain + LangGraph 的核心优势，正在于定制化能力和复杂流程编排。LangChain 封装了大模型、数据库、第三方工具的对接逻辑，省去从零开发的成本；LangGraph 则以状态机为核心，能轻松实现 “检索→判断→生成→迭代” 这类带循环、有状态的复杂流程，以及多智能体协作。
更为重要的是，“状态机设计”“工具调用逻辑”“多智能体协作模式” 这些底层核心，不会随框架版本更迭而过时。就像学 Python，语法或许有小更新，但变量、循环、函数的核心概念从未改变。只要吃透这些思想，即便未来 LangChain 推出新版本，你只需快速浏览更新日志，就能轻松适配，无需重新学习。
写给读者的建议
为帮助你更高效地完成本项目学习，充分发挥“easy-langent”“简单易学、聚焦实战”的优势，结合学习大纲的递进逻辑，提出以下建议：
- 夯实基础，循序渐进：请严格遵循“框架认知→组件实操→进阶应用→综合实战”的学习顺序。第1章的框架定位与环境搭建是后续学习的基础，LangChain组件与LangGraph核心概念是智能体开发的“积木”，切勿跳过基础直接冲击实战，否则易陷入“知其然不知其所以然”的困境。
- 动手优先，拒绝“看会即学会”：本项目的核心是“用框架做开发”，每一章的“主要内容”都对应具体的实操任务（如基础案例运行、组件组合实践、系统构建等）。建议你在学习时，同步搭建开发环境，逐行编写代码、调试运行——只有在实操中遇到问题、解决问题，才能真正掌握框架的使用逻辑与智能体的构建技巧。
- 聚焦“框架与智能体的适配性”：学习过程中，主动思考“不同场景该选哪个框架”“框架组件如何支撑智能体功能”。例如，简单对话机器人用LangChain即可快速实现，而多步骤、带状态的复杂智能体则需要LangGraph的流程管控能力。通过这种“场景-框架-功能”的关联思考，形成自己的开发思路。
- 重视综合实战的全流程训练：综合实战是检验学习成果的关键，建议你将其视为独立的项目开发任务——从需求分析、架构设计，到代码实现、测试优化，完整经历“从0到1”的开发流程。遇到问题时，主动回顾前面的知识点，尝试用已学内容解决，培养“知识迁移”与“问题解决”的能力。
- 善用调试工具，积累开发经验：学习过程中难免遇到框架无法理解的情况，建议熟练运用大模型进行学习解答。同时，养成记录问题与解决方案的习惯，这些积累将成为你后续开发的宝贵经验。
课程目标：掌握LangChain与LangGraph框架的核心用法，理解两大框架的技术优势，具备独立设计并实现智能体的能力，能够结合实际场景构建可落地的AI应用系统。
核心逻辑：从基础认知到实操应用，从单框架掌握到多框架融合，从技术要点拆解到综合项目实战，层层递进构建知识体系，最终实现“理论+实践”的闭环学习。