PYTHON → LANGCHAIN → LANGGRAPH
LangChain Python
从 Python 起步，
构建自己的 LangGraph Agent。
在文章里修改代码、运行案例，带着项目和运行结果向 PI Agent 提问。系统学习 Python、FastAPI、LangChain 与 LangGraph，把每一次实验保存成自己的版本。
查看学习路线01 / 在线学习工作区
读到这里，就能动手。
从一个完整的课程知识助手开始：浏览多模块项目，调用 FastAPI 接口，观察 LangGraph 的检索与条件分支。代码、Git、PI Agent 与运行日志使用文章中的同一套工作区。
文章里的项目，直接修改
多文件编辑，保留自己的草稿，也能随时对照原始案例。
运行 Python，看真实结果
在浏览器执行 LangGraph，观察接口响应与运行日志。
带着上下文，问 PI Agent
引用段落或代码，让 Agent 结合项目与运行结果协助修改。
把实验，留下自己的版本
查看差异、创建提交；连接 GitHub 后拉取与推送。
从一次调用，到可控制的执行过程。
从案例里的检索与条件分支出发，继续掌握状态、工具、记忆和审批。理解每一步为什么发生，才能设计自己的 Agent。
案例预览向 FastAPI 发送 POST /api/v1/assistant/answer 请求。校验后执行 START、prepare、retrieve。retrieve 读取内置课程，按关键词检索。路由函数 choose_route 在有匹配时选择 compose_answer，无匹配时选择 clarify，两个分支互斥，执行后到达 END，返回回答、来源与执行记录。
State
让状态有结构
定义输入、消息与结果，理解节点如何读写同一份状态。
question → messages → result
Tool Calling
让模型调用工具
根据任务选择工具、获取结果，再决定是否继续执行。
model → tools → model
Checkpoint
让执行能够恢复
保存检查点、查看历史；将短期状态与长期记忆分开。
thread_id → checkpoint → resume
Human-in-the-loop
让关键操作等待确认
在重要写操作前暂停，由用户审批后继续运行。
interrupt → approval → Command
继续探索 RAG、MCP、多 Agent、评估与追踪。
让 PI Agent，直接参与项目编辑。
从描述需求到修改文件，AI 与你操作同一个浏览器项目。既能围绕代码讨论，也能调用工作区工具，完成编辑与运行的整个过程。
用户提交自然语言任务，可以附带文件、代码或文章引用。浏览器内的 PI Agent 直连用户已激活的模型，流式接收回复与工具调用；通过工作区工具按需读取、搜索和修改项目文件，运行浏览器 Python 并请求 FastAPI 接口。文件内容、工具结果、接口响应和错误日志返回 Agent 上下文，供继续定位和修改。用户查看差异，并可在符合条件时撤销最近一轮文件变更。
从一个具体需求开始
“为课程列表增加分页参数，补上输入校验。运行接口、检查响应，最后给我看改动。”在工作区体验 PI Agent
使用个人中心已激活的模型。进入上方工作区，在 Agent 面板输入任务；文件修改、运行反馈与差异审查都在同一处完成。
先理解项目，再开始修改
读取文件目录与代码，搜索相关路由、模型和图节点，建立这次任务的上下文。
目录 · 文件内容 · 关联代码
把需求落到项目文件
修改已有代码，创建所需模块，也可以重命名或删除文件。变更直接同步到文件树与代码区。
编辑 · 新建 · 重命名 · 删除
运行接口，读取真实反馈
运行当前项目、请求接口并读取日志，让响应和错误成为继续定位问题的依据。
接口响应 · 运行日志 · 错误定位
审查差异，决定是否保留
在差异视图中检查本轮修改；需要重新尝试时，可以撤销这轮变更。
变更详情 · 最近一轮修改的撤销
问题，从你选中的内容开始。
读不懂的段落、想弄清楚的代码，都可以直接引用给 PI Agent。带着原文和项目上下文提问，把概念解释与实际运行连接起来。
路由函数只决定图应该往哪里走，不负责修改 State。
可以这样问
为什么路由函数只负责选路径，而不修改 State？
async def choose_route(state: AssistantState) -> Literal["answer", "clarify"]:
return "answer" if state["lessons"] else "clarify"可以这样问
没有检索结果时，为什么会进入 clarify？
01
选中想问的内容
可以是文章中的一段解释，也可以是工作区的一段代码。
02
把引用加入输入框
保留文章来源，或代码的文件路径与行号；引用可以折叠、移除。
03
补充问题，再发送
让 PI Agent 结合引用与当前项目解释思路、分析问题或协助修改。
常见问题
了解运行条件、模型调用和订阅约定，再决定是否适合自己的学习节奏。
本专栏无法支持退款操作，购买之前请谨慎思考。
本专栏版权归作者个人所有，未经授权不得转载、链接、转贴或复制发布。
把下一次阅读，变成一次实践。
适合有编程基础，希望系统掌握 Python AI 开发与 LangGraph 的开发者。按自己的节奏学习，留下能继续扩展的项目。
已购买 AI 电子伴侣企业级实战？可享专属价 ¥150