langchain-ai/agents-from-scratch

这是什么？

Agents From Scratch 是一个教程风格的仓库，带你从零开始构建一个AI代理。最终目标是创建一个“环境感知”代理，通过连接Gmail API来管理你的电子邮件。项目分为四个渐进阶段，每个阶段都有一个笔记本（交互式课程）和配套代码。你还将获得设置说明、测试套件和部署说明。

它是如何组织的？

1. 前言 – LangGraph 101：快速介绍LangGraph（一个用于构建代理的框架），涵盖聊天模型、工具调用、代理与工作流，以及节点和边等基本概念。
2. 构建代理：你从一个电子邮件助手开始，它结合了电子邮件分类步骤（对消息进行排序）和起草回复的代理。这是核心实现。
3. 评估：你学习如何使用示例电子邮件数据集测试代理的行为。测试使用LLM作为评判者和LangSmith进行跟踪，检查回复质量、工具调用和分类决策。
4. 人在回路：你添加一个功能，允许人类在代理执行某些操作（如发送电子邮件或安排会议）之前进行审查和批准。为此提供了一个名为Agent Inbox的界面。
5. 记忆：你给助手添加记忆，使其能够从用户反馈中学习并记住长期偏好，使用LangGraph的Store进行长期持久化。

最终完整版本（email_assistant_hitl_memory_gmail.py）与真实Gmail集成，并可部署到LangGraph平台。

运行它需要什么？

• Python 3.11+（LangGraph兼容性所需）
• API密钥：来自OpenAI（用于模型）和LangSmith（用于跟踪和评估）
• 包安装 – 仓库必须以可编辑模式安装（pip install -e . 或 uv sync --extra dev），以便笔记本正常工作。
• 对于Gmail集成：按照src/email_assistant/tools/gmail/README.md中的具体说明设置Google API凭据。

关键要点

该仓库是一个实用的、渐进式的指南：从绝对基础开始，逐步构建到一个可部署的、具有记忆功能的代理，能够处理真实电子邮件。在此过程中，它展示了如何评估和优化代理、添加人工监督，并赋予其长期记忆——这些原则适用于你构建的任何代理。