🚀 AI Challenge - 完整学习挑战系列

一个全面的AI开发学习项目，包含LangChain、LangGraph、MCP等前沿技术的实战挑战。

📚 项目结构

1️⃣ LLM Challenge - LangChain基础到高级

路径: 1-LLM-Challenge/
内容: 8个循序渐进的LangChain挑战，涵盖从基础翻译器到高级RAG系统

• ✅ 基础翻译器 (Prompt Template + OpenAI)
• ✅ 工具调用系统 (Function Calling)
• ✅ Few-shot学习 (高级Prompt技术)
• ✅ RAG系统 (检索增强生成)
• ✅ 对话链 (Chain组合)
• ✅ 内存管理 (持久化对话)
• ✅ 流式处理 (实时响应)
• ✅ 企业级应用 (完整解决方案)

核心特性:

• 🔧 完整的LangChain生态系统和组件应用
• 📝 高级Prompt工程和模板管理系统
• 🔍 向量数据库集成和语义搜索功能
• 💬 智能对话管理和上下文持久化
• ⚡ 流式处理和实时响应优化
• 🏢 企业级部署和最佳实践指南

2️⃣ Agent Challenge - LangGraph智能体

路径: 2-Agent-Challenge/
内容: 8个LangGraph挑战，从基础状态图到企业级多Agent系统

• ✅ 基础状态图Agent
• ✅ 条件路由和工具调用
• ✅ 并行处理和子图
• ✅ 持久化和检查点
• ✅ 多Agent协作
• ✅ 人机交互循环
• ✅ 自适应和学习
• ✅ 企业级多Agent系统

核心特性:

• 🤖 完整的LangGraph状态图设计和实现
• 🔀 智能路由和条件分支控制系统
• ⚡ 高性能并行处理和异步执行框架
• 💾 状态持久化和检查点恢复机制
• 👥 多Agent协作和通信协议设计
• 🎯 自适应学习和智能优化算法

3️⃣ MCP Challenge - 模型上下文协议

路径: 3-MCP-Challenge/
内容: 8个循序渐进的MCP挑战，从基础工具连接到企业级分布式工作流系统

• ✅ 基础MCP工具连接 (数学计算器演示)
• ✅ 多服务器工具协调 (智能任务分发)
• ✅ MCP资源管理和访问 (文档分析)
• ✅ 提示模板系统 (动态提示管理)
• ✅ LangGraph与MCP集成 (工作流编排)
• ✅ 数据库集成开发 (SQLite管理)
• ✅ 企业级HTTP架构 (服务网格)
• ✅ 智能工作流引擎 (终极应用)

核心特性:

• 🔗 完整的MCP协议实现和最佳实践
• 🛠️ 6个专业MCP服务器（数学、文件、提示、数据库、网关、工作流）
• 🏗️ 从基础到企业级的渐进式架构设计
• 🤖 AI驱动的智能决策和自适应执行
• 📊 实时监控、性能分析和可观测性系统
• 🔄 生产就绪的分布式工作流编排引擎

4️⃣ Final Challenge - 综合应用

路径: 4-Final-Challenge/
内容: 综合前面所学的最终项目挑战

🛠️ 快速开始

环境设置

推荐使用Python 3.11及以上版本。

# 安装依赖
pip install -r requirements.txt

# Windows用户
.\load_env.ps1

# Linux/Mac用户  
source load_env.sh

运行挑战

# LangChain挑战
cd 1-LLM-Challenge
python start.py

# LangGraph挑战
cd 2-Agent-Challenge  
python start.py

# MCP挑战
cd 3-MCP-Challenge
python start.py
# 或运行特定挑战
cd challenge-1
python main.py

📋 技术栈

核心框架:

• LangChain: 大语言模型应用开发框架
• LangGraph: 多Agent工作流编排
• MCP: 模型上下文协议 (Model Context Protocol)
• FastAPI: 高性能异步Web框架

AI/LLM服务:

• OpenAI: GPT模型API
• Tavily: 网络搜索API

数据和存储:

• FAISS: 向量数据库
• SQLite: 轻量级嵌入式数据库
• Pydantic: 数据验证和设置管理

企业级特性:

• HTTP REST API: RESTful服务架构
• 异步处理: asyncio高性能并发
• 分布式架构: 微服务和服务网格
• 智能工作流: DAG任务编排和执行引擎

🎯 学习目标

通过完成这些挑战，你将掌握：

LangChain基础:

• 🔧 LangChain核心组件和最佳实践
• 🔄 RAG系统和知识库构建
• 📝 Prompt工程和优化技巧

LangGraph进阶:

• 🤖 LangGraph智能体设计和实现
• � 多Agent协作和状态管理
• 🎭 复杂工作流编排和执行

MCP协议精通:

• 🔗 Model Context Protocol核心概念和应用
• 🛠️ 自定义MCP服务器开发和部署
• 🏗️ 企业级分布式MCP架构设计
• ⚡ 智能工作流引擎和自动化系统

📖 使用说明

每个挑战都包含：

• 详细的README说明
• 完整的示例代码
• 逐步实现指导
• 最佳实践建议

建议按顺序完成挑战，每个挑战都为下一个奠定基础。

---

开始你的AI开发之旅吧！ 🌟