LangGraph Agent 开发学习路线

• 目标：从最小 demo 起步，按 langgraph.com.cn 官方导航逐级展开，覆盖 agent 开发全部知识点。
• 模型：DeepSeek（OpenAI 兼容接口），key 放 .env。
• 配套：每课一个 demo 文件，概念记进 学习记录.md（用自己的话）。
• 参照：https://langgraph.com.cn/

官方导航 ↔ 本路线 对照表（回答"规划全不全"）

核心发现：官方导航同一主题出现两次（基础教程 vs 框架概念），是同一知识的两层深度——先跟教程"会用"，再在概念章节"懂原理"。本路线每课都按这个套路来。

三阶段总览

课程规划（13 课）

学习路线图

graph LR
    L0[L0 快速入门 ✅] --> L1[L1 聊天机器人]
    L1 --> L2[L2 添加工具 ⭐]
    L2 --> L3[L3 添加记忆]
    L3 --> L4[L4 人工干预]
    L4 --> L5[L5 自定义状态]
    L5 --> L6[L6 时光旅行]
    L6 --> L7[L7 流式传输]
    L7 --> L8[L8 工具进阶+MCP]
    L8 --> L9[L9 子图]
    L9 --> L10[L10 多代理]
    L10 --> L11[L11 长期记忆]
    L11 --> L12[L12 评估+部署+UI]

每课固定套路

1. 读 langgraph.com.cn 对应章节（先"基础"后"框架概念"，两层深度）
2. 我写 / 改 demo 文件
3. 你跑通、看输出、提问
4. 我用 course-wiki 模板生成 8 段式 wiki，存 wiki/
5. 在 学习记录.md 记下概念（用自己的话）

时间规划（一个月学习 + 一个月项目）

现实判断

• "一个月学完 13 课 + 一个月做项目" —— 来得及，前提是学习期每课写变体（跑通后自己改一个地方；光跑 demo 会高估掌握度）。
• 目标定为「能独立做一个像样的 agent 项目」而不是「掌握全部知识」——前者一个月够，后者永远不够（框架在迭代）。

学习月 · 每周拆解（每天 1–2 小时）

项目月 · 选题三原则

1. 用得到核心三角：工具 + 记忆 + 人工干预（多数生产 agent 的真实形态）。
2. 用熟悉领域：有股票工具 / 管理后台 / 数据开发经验 → 金融分析、数据报告 agent 是好方向。
3. 两周出 MVP：前两周最小可用，后两周打磨 + 查漏补缺。

卡点预案

• L4 interrupt 和 L5 Reducer 是公认两个难点：卡住别恋战，先往后走通流程，回头再补（不阻塞后面的课）。
• 概念没懂就回炉，别带夹生饭进项目期——项目期返工成本远高于学习期补一遍。

注意事项

• 每课只加一个新概念，先跑通再讲原理。
• DeepSeek vs Claude：tool calling 支持良好；结构化输出弱会降级；token 便宜适合多跑。
• 概念以"自己能讲出来"为准，讲不出来就回炉。
• 对照表里标"补上"的章节是我第一版漏掉的，现在全覆盖了。