一.本节学习目标1.Python安装使用2.Pycharm安装使用3.pip安装使用4.Miniconda安装使用5.安装uv6.PgVector向量数据库的安装7.VSCODE,Node.JS下载二.课程目录1.开发环境搭建2.智能写作助手系统介绍3.智能写作助手系统前端Vue搭建4.智能写作助手系统后端FastAPI搭建5.智能写作助手系统多轮对话Chat5.智能写作助手系统LangChain LLM大模型使用6.智能写作助手系统LangChain Message使用7.智能写作助手系统Tool,Function Calling使用8.智能写作助手系统LangGraph短期记忆长期记忆使用9.智能写作助手系统Skills使用10.智能写作助手系统MCP使用11.RAGChromaDB 的向量检索 BM25 的混合检索使用三.项目使用到的技术栈层级技术前端Vue 3, TypeScript, Vite 6, Element Plus , CSS 4, Pinia 3, Axios, Vue Router,Marked,Highlight.js后端网关FastAPI, SQLAlchemy, PyJWT, pwdlib[argon2], langgraph-sdk智能体编排LangChain,LangGraph, LangMem, LangChain-Tavily, MCP AdaptersRAG 核心LlamaIndex, ChromaDB, BM25, Sentence-Transformers, PyMuPDF协议层FastMCP (MCP over HTTP)数据库PostgreSQL (checkpointer 短期记忆长期记忆), Redis (文档存储), ChromaDB (向量存储)LLMDeepSeek阿里云百炼智谱AILangSmith观测、调试、评测、监控 AI 应用四.本节正文1.前言本项目开发使用PycharmPython语言开发Pycharm是目前开发Agent应用的主流IDE,Python是目前开发Agent应用的主流语言.所以开发前需安装配置好开发环境。本项目开发基于Windows开发。2.Python安装使用1.官网下载python对应的windows版本到本电脑推荐下载版本大于3.10的版本官网https://www.python.org/downloads/3.安装python.双击下载的python安装包一路next直到安装成功。验证是否安装成功打开电脑cmd 窗口 输入python --version 出现Python 的版本号说明安装成功如图Python 3.13.134.Pycharm安装使用1.下载PyCarm社区版和商业版学习的话用社区版就行免费。官网下载地址Download PyCharm: The Python IDE for data science and web development by JetBrains2.安装双击下载的python安装包一路next直到安装成功。验证是否安装成功打开电脑cmd 窗口 输入pycharm --version 出现pycharm 的版本号说明安装成功如图Pycharm 2026.15.pip安装使用python开发需要安装很多依赖包可以使用pip安装Python 3.4、Python2.7.9 自带 pip装好 Python 默认就有。打开终端校验6.Miniconda安装使用1.下载WindowsMiniconda3-latest-Windows-x86_64.exe 官网guanguanwaAnaconda Distribution vs. Miniconda - Anaconda2.安装双击下载的Miniconda安装包一路next直到安装成功。验证是否安装成功打开电脑cmd 窗口 输入conda --version 出现conda 的版本号说明安 装成功如图conda 25.11.13.Conda 常用命令本项目我们将使用Conda来管理包下面重点介绍一下Conda 高频常用命令开发 LLM 项目常备建议所有项目单独建环境不要在 base 环境开发,避免各多个开发环境相互影响3.1基础信息# 查看 conda 版本 conda --version conda -V # 查看所有配置镜像、通道等 conda config --show # 清理conda缓存安装包缓存释放磁盘 conda clean -a3.2环境管理【最常用】# 列出所有虚拟环境 conda env list conda info --envs # 创建环境指定Python版本推荐3.10/3.11适配LangChain conda create -n llm-dev python3.11 # 创建环境同时预装包 conda create -n llm-dev python3.11 pip requests # 激活环境 conda activate llm-dev # 退出当前环境 conda deactivate # 删除环境谨慎 conda remove -n llm-dev --all # 复制环境 conda create -n llm-dev-copy --clone llm-dev3.3包管理规则conda 优先装 C 库纯 Python 包优先用环境内的pip# conda安装包 conda install xxx # 指定版本安装 conda install python3.11.7 # 搜索包 conda search xxx # 更新包 conda update xxx # 更新conda本身 conda update conda # 卸载包 conda remove xxx # 列出当前环境已安装包 conda list3.4环境导入导出环境迁移、团队共享# 导出当前环境配置跨平台推荐只记录包名 conda env export environment.yml # 不导出pip安装的包 conda env export --no-builds environment.yml # 根据yml文件创建环境 conda env create -f environment.yml # 导出简单清单极简仅包名 conda list --export requirements.txt3.5镜像 / 源配置国内加速# 添加清华conda源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes # 恢复默认官方源排查源异常时用 conda config --remove-key channels3.6开发实用小贴士激活环境后务必使用环境内部 pip激活llm-dev环境后再用pip安装包到当前环境conda activate llm-dev pip install langsmith langchain langgraph3.7最简工作流模板直接复制使用# 1. 创建环境 conda create -n llm-dev python3.11 # 2. 进入环境 conda activate llm-dev # 3. 安装依赖 pip install langsmith langchain langgraph # 4. 开发完成退出 conda deactivate7.安装uvuv 常用命令大全适配 LangChain / LangSmith LLM 开发uvAstral 出品Rust 实现极速替代 pip、venv、pipxuv pip兼容传统 pip 旧项目无 pyproject.tomluv init/add/sync现代项目模式带pyproject.toml uv.lock新项目优先7.1安装 基础信息# Linux/macOS curl -LsSf https://astral.sh/uv/install.sh | sh # Windows PowerShell irm https://astral.sh/uv/install.ps1 | iex # 查看版本 uv --version # 升级 uv 自身 uv self update # 清理全局缓存包缓存 uv cache clean # 彻底清空缓存 uv cache purge验证是否安装成功打开电脑cmd 窗口 输入uv --version 出现uv的版本号说明安装成功如图uv 0.11.77.2虚拟环境管理uv venv替代 python -m venv# 在当前目录创建 .venv默认 uv venv # 指定Python版本创建环境 uv venv --python 3.11 .venv # 指定目录名称 uv venv llm-env --python 3.11激活方式和普通 venv 一致# Linux/macOS source .venv/bin/activate # Windows cmd .venv\Scripts\activate # Windows powershell .venv\Scripts\Activate.ps1 uv 特色可以不用手动激活直接用uv run xxx自动调用 .venv 里的解释器7.3模式 1传统兼容模式 uv pip老项目、requirements.txt和 pip 语法几乎完全一致速度快很多# 安装包 uv pip install langsmith langchain langgraph # 指定版本 uv pip install langchain0.2.0 # 从 requirements.txt 批量安装 uv pip install -r requirements.txt # 卸载包 uv pip uninstall langsmith # 列出已安装包 uv pip list # 查看包详情 uv pip show langsmith # 导出依赖清单等同 pip freeze uv pip freeze requirements.txt # 检查依赖冲突 uv pip check # 升级所有包 uv pip install --upgrade xxx7.4模式 2现代项目工作流新项目推荐pyproject.toml uv.lock1. 初始化项目uv init # 不生成示例代码 uv init --no-readme --no-python2. 依赖增删# 添加正式依赖写入pyproject.toml uv add langsmith langchain langgraph # 添加开发依赖测试、格式化工具 uv add --dev ruff pytest # 指定版本约束 uv add openai1.30.0 # 删除依赖 uv remove openai3.lock sync环境一致性核心# 只更新 uv.lock不安装 uv lock # 根据 uv.lock 完整同步环境增删包保证版本严格一致 uv sync # 只安装正式依赖跳过dev依赖 uv sync --no-dev4. 更新依赖# 全部依赖升级到兼容最新版 uv lock --upgrade uv sync # 仅升级单个包 uv lock --upgrade-package openai uv sync # 预览将要升级的包不执行 uv lock --upgrade --dry-run5. 运行脚本 / 命令不用手动激活 venv高频# 自动使用 .venv 环境运行脚本 uv run python main.py # 运行cli工具 uv run python -c import langsmith;print(langsmith.__version__) uv run ruff check .6. 导出 / 导入# 把 uv.lock 导出成 requirements.txt uv export -o requirements.txt7. 查看依赖树uv tree7.5Python 版本管理替代 pyenv# 查看本地已有的Python uv python list # 下载安装指定Python uv python install 3.11 # 项目锁定Python版本生成 .python-version uv python pin 3.117.6uv tool /uvx替代 pipx一次性运行工具不需要安装到环境临时执行命令行工具# 临时运行 uvx ruff check . uvx --python 3.11 pytest # 全局安装工具 uv tool install ruff # 卸载 uv tool uninstall ruff7.7国内镜像配置解决下载慢临时使用uv pip install langsmith -i https://pypi.tuna.tsinghua.edu.cn/simple全局配置源# 创建配置文件 # Linux/macOS: ~/.config/uv/uv.toml # Windows: %APPDATA%\astral\uv\uv.toml [pip] index-url https://pypi.tuna.tsinghua.edu.cn/simple7.8最简 LLM 项目工作流直接复制# 1. 初始化项目 uv init # 2. 创建虚拟环境 uv venv --python 3.11 # 3. 添加依赖 uv add langsmith langchain langgraph openai python-dotenv uv add --dev ruff # 4. 同步环境 uv sync # 5. 运行代码 uv run python main.py7.9uv vs pip vs conda 简单区分conda同时管理 Python 解释器 系统 C 库适合 torch、cudauv只管理 Python 包速度极快纯 Python 项目首选不能替代 conda 安装 CUDA 相关包8.PgVector向量数据库的安装8.1下载https://github.com/andreiramani/pgvector_pgsql_windows/releases在这个页面中你可以找到专门为 Windows 编译好的版本。请寻找类似 pgvector v0.8.6 for PostgreSQL 18, Microsoft Windows 的条目假设你需要 PG18 版本。下载对应的 .zip文件例如 vector .v0.8.6-pg18.zip。8.2 解压与复制文件下载并解压该 .zip文件后你会看到通常包含 lib和 share文件夹。请将其中的文件复制到你的 PostgreSQL 18 安装目录假设为 C:\Program Files\PostgreSQL\18复制 DLL 文件找到解压包里的 lib\vector.dll。复制到安装目录\PostgreSQL\18\lib。复制扩展文件找到解压包里的 share\extension\vector.control和 share\extension\vector–*.sql文件。复制到安装目录\PostgreSQL\18\share\extension。8.3重启服务并启用按 Win R输入 services.msc 找到 postgresql-x64-18 服务右键点击“重新启动”。8.4连接pgvector向量数据库比如 pgAdmin 4、DBeaver、Navicat 或 psql 命令行执行以下 SQL– 尝试创建扩展CREATE EXTENSION IF NOT EXISTS vector;–查询扩展是否完成SELECT * FROM pg_extension WHERE extname ‘vector’;使用DBeaver连接pgvector向量数据库7 软件下载VsCodehttps://code.visualstudio.com/sha/download?buildstableoswin32-x64-userNodeJS下载最新稳定版Node.js — Download Node.js®五.本节小结好的开始等于成功了一半。本节我们学会了安装pythonpycharm IDE等开发环境。重点介绍了conda和uv的常用命令后面的项目我们基于pycharmpythonPgVectorconda环境来开发Agent应用程序。