本指南将向您展示如何设置和使用 LangGraph 的预构建、可重用组件，这些组件旨在帮助您快速可靠地构建代理系统。
提前在阿里云百炼平台申请APIKEY，用模型【qwen-plus-2025-12-01】做测试，参考文档如下：
https://bailian.console.aliyun.com/?&tab=model#/model-market/detail/qwen-plus-2025-12-01安装依赖
pip install -U "langgraph>=0.6.1"代码如下
from langgraph.prebuilt import create_react_agent from langchain.chat_models import init_chat_model from langchain_community.tools import TavilySearchResults from langchain_core.tools import tool from langchain_core.messages import AIMessage from datetime import datetime import os from dotenv import load_dotenv from langgraph.checkpoint.memory import InMemorySaver load_dotenv() # 定义模型 llm = init_chat_model(api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", model_provider="openai", model='qwen-plus-2025-12-01') # 定义响应内容提取函数 def response_content(response): aiContent = "" # 提取 AIMessage 的 content for message in reversed(response["messages"]): if hasattr(message, 'content') and isinstance(message, AIMessage): aiContent = message.content break return aiContent # 定义工具函数 @tool def search_web(query: str) -> str: """搜索网络信息的工具""" t_search = TavilySearchResults(tavily_api_key=os.getenv("tavily_key")) return t_search.run(query) @tool def get_data_tool(): """获取目前日期的工具""" return datetime.now().date() tools = [search_web, get_data_tool] system_prompt = """你是一个智能助手。你有以下工具可以使用： 1. search_web: 用于搜索互联网获取最新信息，特别是技术数据等 2. get_current_date: 获取今天的日期 重要规则： - 当用户询问技术等需要实时数据的问题时，必须使用search_web工具 - 当用户询问时间或日期时，使用相应的时间工具 - 如果你的知识库中没有准确或最新的信息，应该使用搜索工具 - 优先使用工具获取准确信息，而不是依赖可能过时的训练数据 请根据用户问题选择合适的工具来获取准确答案。""" #记忆功能 checkpointer = InMemorySaver() #创建一个代理 agent = create_react_agent(model=llm, tools=tools, prompt=system_prompt, checkpointer=checkpointer ) config = {"configurable": {"thread_id": "1"}} # 配置记忆，第一次问大模型 response = agent.invoke({"messages": [{"role": "user", "content": "今天的日期是多少？"}]}, config=config) aiContent = response_content(response) print(aiContent) # 第二次问大模型 response = agent.invoke({"messages": [{"role": "user", "content": "根据今天的日期深圳天气怎么样？"}]}, config=config) aiContent = response_content(response) print(aiContent)输出结果如下
今天的日期是2025年12月2日。 根据搜索结果，2025年12月2日深圳的天气情况如下： 天气：多云 最高气温：22°C 最低气温：14°C 风向：微风 风力：轻微 此外，根据深圳市气象局的信息，12月3日至4日将有一股新的冷空气影响深圳， 气温会有所下降，并可能伴有零星小雨。 沿海和高地地区的最大阵风可达7级左右。从5日到8日， 预计天气将转为晴天干燥，早晚较为清凉。 请记得根据天气变化适时增减衣物，以防感冒！如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
