AI 教程

本仓库包含一系列关于智能体、工作流和本地知识库的教程；涉及技术包括不限于 LangChain、LangGraph、DeepAgents、A2A 协议、Embedding/Rerank 微调等。

教程

LangChain 从入门到工程实践

完整的 LangChain 学习路径，涵盖 LLM 接口、Prompt 工程、LCEL 链、RAG 系统、Memory 记忆、Agents 智能体等核心内容。

• LangChain 教程目录

内容包括：

1. LangChain 入门 - LLM 接口与 Prompt Templates
2. LCEL 深度解析 - 模块化链条构建
3. RAG 基础 - 数据加载、切分与向量化
4. RAG 核心 - 向量数据库与高级检索器
5. Memory 记忆 - 为 AI 应用赋予记忆
6. Agents - 让 AI 学会行动与思考
7. RAG 实战 - 构建生产级 RAG 应用
8. RAG 高级优化 - 提升检索质量、防范幻觉
9. Agent 最佳实践 - 调试、评估与部署
10. LangChain 1.0 工程实践 - 新特性与生产部署

LangGraph 工作流编排

基于状态图的工作流编排框架，适用于构建复杂的多步骤 AI 应用。

内容包括：

1. LangGraph 入门 - StateGraph 基础与 Agent 构建
2. Stream 模式 - 流式输出与实时响应
3. 多智能体 - Agent 协作与任务分发
4. 人机交互 - Human-in-the-loop 中断机制
5. LangServe 部署 - 生产环境服务化

DeepAgents 深度智能体

深度智能体框架实战，展示企业级 Agent 应用架构。

核心特性：

• 子智能体委派（Subagents）
• 混合后端存储（State + Store）
• Human-in-the-loop 中断策略
• 大文件自动拦截与转存

A2A 协议（Agent-to-Agent）

Agent 间通信协议示例，实现多 Agent 协作。

示例内容：

• 基础 Client-Server 通信
• 高级 A2A 交互模式
• 天气查询 Agent 完整示例

模型微调实战

Embedding 模型微调

• 单卡 3090 优化训练脚本
• 梯度累积、混合精度、梯度检查点等显存优化技巧
• 负例采样策略与数据生成

Rerank 模型微调

• CrossEncoder 微调实战
• 二分类任务训练
• 模型评估与对比

基座模型：

• Embedding: BAAI/bge-large-zh-v1.5
• Rerank: BAAI/bge-reranker-large

快速开始

# 克隆仓库
git clone https://github.com/lgy1027/ai-tutorial.git

# 安装依赖
pip install langchain langchain-openai langgraph sentence-transformers torch

# 配置环境变量
cp langchain/.env\ example langchain/.env
# 编辑 .env 文件，填写 OPENAI_API_KEY 等配置

# 运行示例
python langchain/1、langchain-入门.py

目录结构

ai-tutorial/
├── langchain/          # LangChain 完整教程
├── langgraph/          # LangGraph 工作流教程
├── deepagents/         # DeepAgents 示例
├── a2a-test/           # A2A 协议示例
├── fine-tuning/        # 模型微调
│   ├── embedding/      # Embedding 微调
│   └── rerank/         # Rerank 微调
└── images/             # 图片资源

关注我们

文本内容可在公众号查看，欢迎关注我们的公众号和个人账号，获取更多 AI 相关资讯。

公众号