不知道大家有没有过这种感觉：想学 AI Agent，打开教程一看，LangChain、LangGraph、工具调用、多智能体……每个词都听过一点，真要自己写个项目，又不知道第一步该做什么。

如果你会一点 Python，想往大模型应用开发的方向走，我觉得 LangChain 是很好的一个学习方向。 找一个具体项目，边做边理解这些概念，会更容易知道它们到底有什么用。

所以，来分享一下我写的开源学习项目👇

👉 learn_claude_code_langchain：用 LangChain 逐步搭建编程智能体

这个项目的起因，是我看到了 shareAI-lab/learn-claude-code。它把编程智能体背后的工程机制拆成了循序渐进的课程，从一个简单的循环开始，一步步加入工具和其他能力。

受到它的启发，我用 Python、LangChain 和 LangGraph 做了这个学习版本，也在这里感谢原项目的开源分享。

我希望它能提供一个比较具体的学习入口：一边学 LangChain，一边弄明白，一个能调用工具、执行任务的 Agent 到底是怎么搭起来的。

你可以带着这些问题往下看：

• 模型怎么从“回答问题”变成“动手做事”？ 从最小 Agent 循环开始，理解模型调用工具、获取结果、继续处理任务的过程。
• 怎么让它读文件、改文件？ 学习把功能封装成工具，再接入 Agent。
• 任务复杂了怎么办？ 逐步接触任务规划、子 Agent，以及多 Agent 协作。
• 对话越来越长、任务需要持续执行怎么办？ 再往后学习上下文压缩、记忆、后台任务和工作流恢复等机制。

目前项目按 17 个递进章节组织，配有中文讲解和可运行代码。第一章从一个 Bash 工具和最小 Agent 开始，后面再逐步增加能力。具体内容可以看项目 README 和章节目录。

看到这里，可能有同学会觉得：“我连 LangChain 都没学明白，这个会不会有点难？”

我的建议是，先给自己定一个小目标：把第一章跑起来，看清楚模型是怎么调用一次工具的。

接着试着改一下提示词，加一个自己的工具，观察结果有什么变化。等你开始好奇“这个操作是不是应该先确认”“历史消息太多了怎么处理”，后面的章节就有了具体的学习理由。

不用一上来就把 17 章全部啃完，也不用等所有概念都理解了才开始写。

如果你正在准备实习、校招，想做一个大模型应用方向的练手项目，也可以从这里出发，加入自己的场景。比如给 Agent 增加项目文档检索，或者做一个帮你整理代码仓库的小助手。

亲手改过、调试过，再去讲工具怎么接入、任务怎么拆分、为什么需要管理上下文，就会有更具体的内容可聊。

这个项目定位是学习和实践，里面的机制做了教学上的简化。希望它能帮你从“看过一些 Agent 教程”，走到“我也能动手搭一个，并解释它为什么这样工作”。

感兴趣的话，欢迎来看看：

👉 GitHub：learn_claude_code_langchain

觉得有帮助的话，欢迎点个 Star；哪里没讲清楚、代码哪里有问题，也欢迎提 Issue，或者在评论区交流。

不知道怎么开始，就先从跑通第一个小 Agent 开始吧。