# llm learn

**Repository Path**: zero921123/llm-learn

## Basic Information

- **Project Name**: llm learn
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-06
- **Last Updated**: 2026-06-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LangChain Python Learning Project

一个面向初学者的 `LangChain + Python` 学习项目，默认使用 `DeepSeek` 的 OpenAI 兼容接口。

这个仓库的目标很直接：

- 用尽量小的示例理解 LangChain 核心概念
- 用一个综合 demo 把零散知识串起来
- 保持代码结构清晰，方便你一边运行一边阅读

## 学习路径

这个项目采用“两条线并行”的方式学习：

- `lessons/`：按知识点拆开的最小示例，适合逐个理解
- `projects/`：把多个能力组合起来的综合 demo，适合建立整体感

## 你会学到什么

- `PromptTemplate` 和 `ChatPromptTemplate`
- 如何连接聊天模型
- 如何把 prompt、model、parser 串成链
- 如何做简单的结构化输出
- 如何维护一段基础会话上下文

## 项目结构

```text
learn_langchain/
├── lessons/                 # 分章节示例
├── projects/                # 综合 demo
├── src/learn_langchain/     # 公共代码
├── tests/                   # 本地可重复测试
└── docs/superpowers/        # 设计与计划文档
```

## 环境要求

- Python `3.11+`
- 一个可用的 `DeepSeek API Key`

## 快速开始

### 1. 创建虚拟环境

```bash
python3 -m venv .venv
source .venv/bin/activate
```

### 2. 安装依赖

```bash
pip install -e .
```

### 3. 配置环境变量

```bash
cp .env.example .env
```

然后把 `.env` 里的 `DEEPSEEK_API_KEY` 改成你的真实 key。

默认配置如下：

```env
DEEPSEEK_BASE_URL=https://api.deepseek.com
DEEPSEEK_MODEL=deepseek-chat
DEEPSEEK_TEMPERATURE=0.2
```

## 运行学习示例

### Lesson 1: Prompt 模板

学习重点：理解模板变量如何变成模型输入消息

```bash
python lessons/01_prompt_template.py
```

### Lesson 2: 直接调用模型

学习重点：理解 LangChain 如何连接真实聊天模型

```bash
python lessons/02_chat_model.py
```

### Lesson 3: Prompt + Model + Parser

学习重点：理解最小 `chain` 是怎样串起来的

```bash
python lessons/03_prompt_chain.py
```

### Lesson 4: 结构化输出

学习重点：理解输出解析器如何把模型结果转成更稳定的数据结构

```bash
python lessons/04_output_parser.py
```

### Lesson 5: 简单会话记忆

学习重点：理解历史消息如何影响下一轮回答

```bash
python lessons/05_chat_memory.py
```

## 运行综合 Demo

这个 demo 会把“学习目标 + 当前问题 + 历史上下文”组织成一次完整问答流程。

```bash
python projects/study_assistant_cli.py --goal "学习 LangChain 基础" --question "PromptTemplate 是干什么的？"
```

带追问的示例：

```bash
python projects/study_assistant_cli.py --goal "学习 LangChain 基础" --question "PromptTemplate 是干什么的？" --follow-up "那我第一周应该怎么练？"
```

## 运行测试

```bash
python -m unittest discover -s tests -v
```

## 学习建议

推荐顺序：

1. 先跑 `01` 和 `02`，理解 prompt 和 model 的边界。
2. 再跑 `03` 和 `04`，理解 LangChain 的组合方式。
3. 最后看 `05` 和 `projects/study_assistant_cli.py`，理解如何把基础能力拼起来。

## 仓库说明

- [CHANGELOG.md](/Users/zero/CodingWorkSpace/LLM_Learn/learn_langchain/CHANGELOG.md)：版本变更记录
- [pyproject.toml](/Users/zero/CodingWorkSpace/LLM_Learn/learn_langchain/pyproject.toml)：项目依赖定义
- [src/learn_langchain](/Users/zero/CodingWorkSpace/LLM_Learn/learn_langchain/src/learn_langchain)：公共配置和模型工厂
- [tests](/Users/zero/CodingWorkSpace/LLM_Learn/learn_langchain/tests)：本地可重复验证的测试