generative_ai_with_langchain

跟着书学LangChain，从原型到生产级LLM应用一步到位

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 591 👀 关注 22

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1457

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源书籍配套代码，MIT 许可证，完全免费，可自行部署使用。

项目预览

generative_ai_with_langchain 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类对话助手

开发团队benman1

官网地址https://amzn.to/4dErkya

GitHubhttps://github.com/benman1/generative_ai_with_langchain

定价模式🏷️完全免费

价格说明开源书籍配套代码，MIT 许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型agent,chatgpt,claude,claude-3-5-sonnet,deepseek,deepseek-r1,gpt,gpt-4o,huggingface,langchain,langgraph,llamacpp,llms,ollama,openai

GitHub 星标★ 1457

上线时间2023-07-11 00:00:00

代码更新2026-09-26

仓库体积12.6 MB

本站数据更新2026-11-07

维护状态维护中

收录时间2026-08-09

浏览次数9

项目介绍

这是《Generative AI with LangChain》一书的配套代码仓库，面向希望用Python、LangChain和LangGraph构建生产级LLM应用和高级智能体的开发者。项目通过大量Jupyter Notebook示例，系统演示了从基础链式调用、提示模板、输出解析，到复杂智能体（如ReAct模式）、多工具协作、记忆管理、RAG检索增强生成等核心能力的实现。覆盖OpenAI、Claude、DeepSeek、HuggingFace、Ollama等多种模型集成，并深入讲解LangGraph的状态图工作流设计，帮助读者理解如何将原型转化为稳定可靠的生产系统。解决的核心问题是LLM应用开发中从零散API调用到工程化落地的鸿沟，提供可复用的代码模式和最佳实践。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1457

技术标签

agent chatgpt claude deepseek deepseek-r1

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 3 环境（README 使用 Python 与 Jupyter Notebook 示例）
已安装 git，可访问 GitHub
Jupyter Notebook / Jupyter Lab 运行环境（README 未给出，需自行准备）
各示例所需模型服务的 API Key（OpenAI、Claude、DeepSeek、HuggingFace 等，按所运行的 Notebook 准备）

安装与启动步骤

1克隆代码仓库

把整本书的配套 Notebook 拉到本地。README 只给出仓库地址，未提供其他获取方式。
```
git clone https://github.com/benman1/generative_ai_with_langchain.git
```
2进入项目目录

后续所有命令都在仓库根目录执行。
```
cd generative_ai_with_langchain
```
3创建虚拟环境

用独立环境隔离依赖，避免污染系统 Python。README 未指定 Python 版本，建议 3.10 以上。
```
python -m venv .venv
```
4激活虚拟环境

Linux/macOS 用 source 激活；Windows 改为执行 .venv\Scripts\activate。
```
source .venv/bin/activate
```
5安装 Jupyter

README 未列出依赖清单，仅能按项目为 Jupyter Notebook 这一事实准备运行环境；Notebook 内导入的第三方包需按报错自行补装。
```
pip install jupyter
```
6启动 Jupyter

启动后在浏览器中打开仓库内的 .ipynb 文件，按章节顺序阅读运行。
```
jupyter lab
```

如何确认成功

浏览器自动打开 Jupyter 界面，能看到仓库中的 .ipynb 文件并能新建/打开 Notebook 即表示环境可用。

常见问题

Q：README 里没写安装依赖的命令怎么办？

A：该 README 仅提供书籍介绍与购买、Discord、免费 PDF 等资源链接，未给出依赖清单。只能先按上述通用步骤准备环境，再按各 Notebook 里的 import 报错逐个安装所需包。

Q：运行示例需要 API Key 吗？

A：技术栈覆盖 OpenAI、Claude、DeepSeek、HuggingFace 等在线模型，运行相应 Notebook 前需自备对应平台的密钥并按各 Notebook 内说明设置。

Q：可以用本地模型而不联网吗？

A：项目技术栈包含 Ollama、llama.cpp、HuggingFace，可用本地部署的模型替代在线服务，具体做法见对应章节的 Notebook。

Q：有官方交流渠道吗？

A：README 提供了 Discord 服务器链接以及免费 PDF、图书购买链接，可加入社区提问。

注意事项

本仓库是《Generative AI with LangChain, Second Edition》的配套代码，README 节选中未包含任何安装命令、依赖文件、端口或路径信息，以上步骤为通用准备动作，请以仓库实际内容为准。
不同 Notebook 使用的模型服务不同，密钥请通过环境变量或本地配置注入，切勿提交到仓库。
部分章节可能依赖较新的 LangChain / LangGraph 版本，遇到接口报错请参考官方文档调整。