20250906-01:开始创建LangChain的第一个项目

20250906-01:开始创建LangChain的第一个项目

‍

KR

  • 在 ++半小时++ 内,用 ++gitcode++ 完成 ++langchain python++ ++练习项目初始化++ ,交付 ++代码仓库git地址++ ;若因 ++账号或其他情况++ 失败 ,最多重试 ++2 次++ ,最终必须 ++本地下载代码++ 并 ++使用jetbrain打开++

‍

反馈清单

字段 说明 示例
表现评估 客观指标(如正确率、耗时)与主观感受(专注度、困难点) 耗时:50分钟 难度:中等 正确创建环境:正常
问题定位 具体错误类型及原因分析(知识漏洞、技能缺陷或策略问题) 疏漏:未考虑【花费实践配置环境】 疏漏:未考虑【国内镜像下载问题】测试机已调通 疏漏:未考虑【conda环境安装】测试机已安装
导师反馈 外部指导意见(如导师、同行或工具给出的改进建议)
自我反思 对练习过程的元认知(专注度、时间分配、情绪管理等) 专注度:低。容易偏离核心目标,受环境影响进度。占用实践。如疏漏项导致2个番茄钟完成,超一个番茄钟(30分钟)
改进计划 针对问题制定的具体调整措施(如补充学习、调整方法、增加资源) 环境问题跳过,或建立环境特定任务项跟进

进度跟踪卡

字段 说明 示例
里程碑完成度 关键节点的达成情况(与计划对比) 1. 使用Gitcode 创建项目https://gitcode.com/k316378085/langchain_study_by_xkong 2. 本地下载 3. 导入Idea开发环境准备
能力变化曲线 核心指标的趋势跟踪(如正确率、耗时、难度等级) 耗时:50分钟(2个番茄钟) 难度:中等
瓶颈突破记录 遇到的停滞期及解决方案(如平台期、动机下降、技术难点) 未识别本地python idea环境的完整搭建。占用30min+
心理表征发展 对领域规律的认知深化(如模式识别、问题拆解能力的提升) 模式识别:基础Git流程开发
总结与展望 阶段性成果、不足及下一阶段计划调整 成果:掌握创建Git公共仓库办法和本地管理 不足: 调整:

‍

执行路径

  1. 创建项目

    项目首页 - langchain_study_by_xkong:学习langchain 理论和官方文档,可以在后续AI工作或职业发展中做出基础支持。 1. 目标:3个月达成,基础篇、高级进阶篇、实战篇 2. 每日至少1小时学习 - GitCode

  2. 下载

    1. 通过JetBrain Git工具下载【简单】

    2. 通过Git终端下载【简单】许安装git工具

    shell 复制代码
    git clone https://gitcode.com/k316378085/langchain_study_by_xkong.git
  3. 配置本地JetBrain环境

    1. 使用conda 新建一个 langchain_study_by_xkong_env环境,使用python=3.12​

      shell 复制代码
      conda create -n langchain_study_by_xkong_env python=3.12
      # 激活
      conda activate langchain_study_by_xkong_env
  4. 配置JetBrain环境 使用 conda创建的 langchain_study_by_xkong_env作为python基础。

    1. 使用uv 工具作为管理和python解析器

    2. 下载uv工具

      shell 复制代码
      # 使用pip下载
      pip install uv 
      # 创建 一个 uv开发环境
      uv venv
      # 上面会在当前项目下创建一个.venv的目录,python环境包。类似:npm中的node_modlue目录
      # 激活uv开发环境
      .venv\Scripts\activate 
      # uv 初始化,创建project.toml文件,管理uv的一些配置:重要的是uv包安装镜像
      uv init
      # 安装包命令
      uv add xxx
      uv remove xxx
      uv sync 
      uv build
      uv -h
    3. 配置JetBrain Idea uv解释器

      ‍

    4. 执行'hello world'

‍

  1. 配置project.toml文件

    参考之前项目配置【已验证】

    命令行执行 uv sync 同步环境依赖

    toml 复制代码
    [project]
    name = "langchain-study-by-xkong"
    version = "0.1.0"
    description = "Add your description here"
    readme = "README.md"
    requires-python = ">=3.12"
    dependencies = [
        "dotenv>=0.9.9",
        "faiss-cpu==1.12.0",
        "httpx-sse>=0.4.1",
        "langchain-community>=0.3.29",
        "langchain-core>=0.3.75",
        "langchain-openai>=0.3.32",
        "langchain[openai]==0.3.27",
        "langchainhub>=0.1.21",
        "matplotlib>=3.10.6",
        "notebook>=7.4.5",
        "numpy==2.3.2",
        "pyjwt>=2.10.1",
        "pytest==8.4.1",
        "torch>=2.8.0",
    ]
    
    [global]
    index-url = 'https://mirrors.aliyun.com/pypi/simple/'
    trusted-host = 'mirrors.aliyun.com'
    
    [project.optional-dependencies]
    dev = []
    
    [build-system]
    requires = ["setuptools>=61.0", "wheel"]
    build-backend = "setuptools.build_meta"
    
    [[tool.uv.index]]
    url = "https://pypi.tuna.tsinghua.edu.cn/simple"
    default = true
    python-install-mirror = "https://registry.npmmirror.com/-/binary/python-build-standalone/"
    
    
    [tool.uv.pip]
    index-url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/"

‍

‍

相关推荐
前端精髓7 小时前
结构化输出with_structured_output(抽卡)
python·langchain
LMT流氓兔11 小时前
第五单元——第十六课:给书店助手加上网页界面
java·开发语言·jvm·人工智能·oracle·langchain·1024程序员节
小许学java11 小时前
AI通识与基础
人工智能·langchain
kyrie_sakura13 小时前
大模型学习20 大模型学习 - LangChain3 - Agents
人工智能·学习·langchain
小易老师AI实战19 小时前
LangChain Deep Agents:新一代增强型通用智能体框架
langchain·大模型开发·deepagents·ai 智能体·agent 开发
郝学胜-神的一滴20 小时前
AI 编程智能体 20:技术栈选型与架构落地全攻略
人工智能·python·架构·langchain·1024程序员节·智能体
编程见习者21 小时前
Deep Agents介绍
人工智能·python·langchain
云和数据.ChenGuang1 天前
光哥说Python RAG 系统需要哪些评估指标:从检索到生成的全链路评测指南
网络·人工智能·python·算法·langchain
染指11102 天前
162.Agent-LangGraph-检查点的作用
人工智能·python·langchain·agents
叼烟扛炮2 天前
[LangChain] 学习笔记(02):LCEL 链式调用与动态模型配置实战
服务器·开发语言·网络·笔记·学习·langchain