Agents From Scratch

项目定位

Agents From Scratch 是 LangChain 官方开源的 Agent 实战教程仓库（MIT 协议，约 2.4k Star，2025 年 3 月建仓，2026 年 8 月仍有更新）。它不讲 Agent 的抽象概念，而是用一条完整主线——从零手写一个能通过 Gmail API 管理邮件的常驻智能体（ambient agent）——把 Agent 工程的四个关键环节全部落到可运行的代码上。仓库主页指向 LangChain Academy 的 ambient-agents 课程，讲义与代码同步维护。

四段式递进结构

教程按四个章节组织，每章配一份 Jupyter Notebook 与 src/email_assistant 下的配套实现代码。序章 LangGraph 101 补齐基础概念：对话模型、工具调用（tool calling）、Agent 与 Workflow 的区别、LangGraph 的节点与边、记忆机制，以及用 LangGraph Studio 做可视化调试。第一章 Building an agent 用邮件分诊工作流加上处理回复的 Agent 组合出收件箱自动化——前者负责把邮件分类，后者负责起草与发送回复。

评测与人在回路

第二章 Evaluation 引入带标注的邮件数据集（eval/email_dataset.py），用 Pytest 搭配 LangSmith 的 evaluate 接口跑批量评估，既做 LLM-as-a-judge 的主观打分，也对工具调用参数和分诊决策做规则校验。第三章 Human-in-the-loop 引入中断与审批机制，让高风险操作可以先由人确认再继续。第四章 Memory 补上持久记忆，让助手能记住历史会话里的偏好与待办。四章合并后得到一个可部署的常驻邮件助手。

环境与运行方式

要求 Python 3.11 及以上（LangGraph 兼容性要求），推荐用 uv 一步同步依赖，也可用 pip install -e . 做可编辑安装，包名 interrupt_workshop、导入名 email_assistant；仓库特别强调必须完成这一步可编辑安装，否则 Notebook 无法正常导入包内模块。运行前需要在 .env 中配置 LANGSMITH_API_KEY、LANGSMITH_TRACING、LANGSMITH_PROJECT 与 OPENAI_API_KEY，LangSmith 追踪默认开启，每一步调用链路都能在平台侧回看定位问题。

适用人群

适合已经会写 Python、但想把 Agent 从「调 API 的提示词循环」升级为「带状态、可评测、可中断、可记忆的工程系统」的开发者，也适合作为团队内部统一 Agent 实现范式的参考底座。

官方链接

仓库：https://github.com/langchain-ai/agents-from-scratch 课程主页：https://academy.langchain.com/courses/ambient-agents