Vibe Coding 与 AI Agent 全景知识库

主题

🦜 第九章：LangChain 搭建 Agent —— 从 LCEL 管道到完整智能体 ​

第八章已经拆解了 Agent 的基本循环。本章转向 LangChain 1.4，观察框架如何统一模型、提示词、工具、状态与中间件，并把这些组件组织成可测试、可追踪的应用。

📖 本章导读 (Chapter Overview) ​

在第八章中，我们用 Python 实现了 Agent 的运行循环、工具分发与记忆管理。真实项目还要处理多模型适配、并发、流程编排和私有知识库，这些重复工作可以交给一套职责清楚的框架承担。

本章结合 LangChain 1.4 的官方标准规范，从最基础的模型 I/O 出发，循序渐进地带你通关：

  • 核心基石：统一模型 I/O（init_chat_model）、Prompt 模板与四大消息模型；
  • 编排艺术：LCEL 管道符 |、多分支并行调度与高可用容灾 Fallbacks；
  • 精准控制：Pydantic 强类型结构化输出、@tool 装饰器与参数边界防御；
  • 长期运行：LangGraph Checkpointer 线程级记忆、trim_messages 窗口裁剪、Callbacks 账单审计与隐私脱敏；
  • 知识增强与闭环：langchain-chroma 向量检索 RAG 与现代 create_agent 智能体；
  • 上下文工程与中间件：Runtime Context / State / Store 三数据源动态注入，自定义中间件生命周期钩子；
  • 生产级防护：Guardrails 护栏、Prompt 注入防护、PII 脱敏与测试评估；
  • 综合收官实战：打造 SmartBuyer（AI 智能数码选购与避坑决策参谋）——课程版收进 code/smart_buyer/ 独立项目并完成四阶段演进（测试加固 / deepagents 深度版 / MCP 工具生态 / 多用户生产化）；除了终端入口，还提供独立 Web 工作台（问诊对话 · 工具调用透视 · 结构化决策报告）！
  • 版本前沿：全章基于 LangChain 1.4（2026-09-03 发布，1.4.0 已本地实测校验），1.1~1.4 新特性按主题融入各章节（模型能力档案 .profile → 9.1、1.4 langchain.mcp 命名空间与 MCPAdapter → 9.1、工具 extras 与厂商内建工具 → 9.5、SummarizationMiddleware 1.4 参数精读 → 9.6、官方预置中间件 1.4 全量 16 个（ModelCallLimit / ModelFallback / TodoList / LLMToolSelector / LLMToolEmulator / ToolCallLimit / ToolError / ContextEditing / ShellTool / ProviderToolSearch 等）→ 9.7、response_format / 动态工具注册 / v3 流式 / deepagents 深度智能体 → 9.9、@dynamic_prompt / TracePolicy 快捷姿势 → 9.11），边学边用，无需另开速览章节。

🗺️ 13 步进阶全景路线图 (Roadmap) ​

🗺️ 13 步进阶全景路线图 (Roadmap)

📑 章节目录与核心攻关目标 ​

章节编号文档名称对应生活比喻核心攻关目标与产出
9.1初识LangChain与生态架构万能转换插头与乐高卡扣掌握 langchain-core 拆分、统一模型工厂与 invoke/stream/batch 调用
9.2Prompt模板与上下文消息流剧组提词器与对话场记本掌握四大消息模型、ChatPromptTemplate 与 MessagesPlaceholder 动态注入
9.3LCEL表达式语言与流式调度自动化传送带与双路备用发电机掌握 LCEL 管道符 |、RunnableParallel 并行分支与 with_fallbacks 容灾
9.4结构化输出与容错解析海关标准报关单与质检机器人掌握 .with_structured_output() 与 Pydantic 强类型数据校验提取
9.5自定义工具生态与参数校验瑞士军刀卡槽与带卡尺接头掌握 @tool 装饰器、Pydantic args_schema 约束与 llm.bind_tools() 底层机制
9.6记忆管理与会话状态持久化办公桌抽屉与智能历史剪报员掌握 create_agent + LangGraph Checkpointer 线程级记忆与 trim_messages 窗口裁剪
9.7Callbacks回调与可观测性中间件航班黑匣子与安检 X 光机掌握 BaseCallbackHandler 切面、Token 账单自动审计与隐私正则脱敏
9.8RAG核心链路与向量检索增强智能图书索引员与开卷参考书掌握 TextSplitter 切块、langchain-chroma 向量入库与标准 LCEL RAG 检索问答管道
9.9Agent现代架构与create_agent高级私人秘书与他的工作草稿本掌握 1.4 标准 create_agent 智能体、Tool Calling 与消息流水线推理审计 + deepagents 深度智能体整机
9.10上下文工程与动态上下文注入导演的剧本、道具与幕间调度掌握 Model/Tool/Life-cycle 三类上下文与 Runtime Context/State/Store 三数据源动态注入
9.11自定义中间件与生命周期钩子流水线质检员与包裹代收点掌握 Node-style 4 钩子 + Wrap-style 2 钩子、state_schema 自定义状态、@dynamic_prompt 与 TracePolicy（1.4）
9.12生产级防护：护栏安全与测试评估安检门与安检员掌握确定性/模型性护栏、PII 脱敏、Prompt 注入防护与测试评估
9.13综合实战：AI智能数码选购与避坑决策Agent装机佬的整机总装（SmartBuyer 参谋）9.1~9.12 全零件融会贯通：避坑 RAG + 差评搜索 + 画像动态注入 + 中间件栈 + 护栏 + Pydantic 选购报告

💡 版本说明：全章基于 LangChain 1.4（本地实测 langchain==1.4.0 + deepagents==0.7.14），1.1~1.4 新特性（模型能力档案、MCPAdapter、工具 extras、官方 16 个预置中间件、SummarizationMiddleware 精读、response_format、v3 流式、deepagents 等）已分散融入 9.1 / 9.5 / 9.6 / 9.7 / 9.9 / 9.11 各节，跟随章节顺序即可完整掌握，无需单独的速览章节。

🚀 快速启动（Quick Start） ​

本章全部配套代码均存放在 code/ 目录，推荐使用现代 Python 包管理工具 uv：

bash
# 1. 进入代码目录
cd 09_LangChain搭建Agent/code

# 2. 复制并配置环境变量（填入 OPENAI_API_KEY / OPENAI_API_BASE / MODEL_NAME）
cp .env.example .env

# 3. 首次：创建虚拟环境 .venv 并安装全部依赖（后续无需重复）
uv sync

# 4. 一键启动 12 关卡教学工作台（每页含「过程透视」终端，拒绝黑盒）
uv run python app.py
# 或运行单个章节脚本，例如：
uv run python s01_model_io.py
# 9.13 收官实战已独立成项目（含演进路线）：
uv run python -m smart_buyer.main
# 独立 SmartBuyer Web 工作台（默认 http://127.0.0.1:7861）
uv run python -m smart_buyer.web_app

浏览器访问 http://127.0.0.1:7860 即可实时调试与体验全套 12 个模块！

💡 IDE 提示：在 VS Code / Trae 中打开 09_LangChain搭建Agent/code 后，请在右下角状态栏（或 Cmd+Shift+P → Python: Select Interpreter）选择解释器 09_LangChain搭建Agent/code/.venv/bin/python，即可消除“无法解析导入”标红并支持直接点 ▶ 运行。

学习与验证建议 ​

第九章的重点是看清框架替我们封装了哪些工作。学习每个组件时，可以同时记录它的输入、输出、状态位置、失败方式和可观测事件。这样即使将来 API 改名，也能根据职责找到新的接口。

示例跑通后，建议补测空输入、无效参数、模型超时、工具拒绝、检索无结果和会话混用。框架能够自动编排流程，但正确性仍来自清晰的 Schema、权限边界、状态隔离和验收用例。