AI 系列课程第一季 ——《Easy Data x AI》完整课程内容传送门
大家好，我们今天更新了 Easy Data x AI 课程中“术篇”的第一讲 —— 大模型 API 基础。
欢迎大家点击上方链接，学习完整课程内容~
本期课程使用 LangChain（langchain-openai）作为开发框架。LangChain 是目前最流行的大模型应用开发框架之一，它在原生 OpenAI SDK 之上提供了更高层的抽象——统一的模型接口、标准化的工具调用、便捷的流式处理——让你用更少的代码做更多的事。更重要的是，当你未来需要切换模型供应商（从 OpenAI 换到 Anthropic、Google 等），LangChain 的代码几乎不用改。
本期课程涉及的代码，均在 github easy-data-x-ai 项目的 code 目录中（欢迎大家 star 和参与课程共建）。
# ============================================================
# 示例代码简介：从 d1_1 到 d1_6 的演进
#
# d1_1 基础调用 → 用代码调用大模型（一问一答）
# d1_2 多轮对话 → 手动维护消息历史
# d1_3 流式输出 → 提升用户体验
# d1_4 Tool Use Mock → 手动编排工具调用流程（假数据）
# d1_5 Tool Use Real → 手动编排 + 真实向量检索（seekdb）
# d1_6 Agent 循环 → 自动化的"推理→行动→观察"多轮循环
#
# d1_4/d1_5 中你手动写的那些 if/else 逻辑，
# 在 d1_6 中被 create_agent 一行代码替代了！
#
# create_agent 底层基于 LangGraph，自动处理了：
# 1. 把工具绑定到模型
# 2. 调用模型，检查是否有 tool_calls
# 3. 如果有，执行工具，把结果以 role:"tool" 格式传回
# 4. 循环直到模型给出最终回答
#
# 这就是 F2 中说的：
# "Agent 不是'一个更聪明的 ChatGPT'，
# 而是一个具有'感知→推理→行动'循环能力的系统。"
# ============================================================
复制
.env.example为.env，并在.env文件中填写你的真实 API Key，即可直接执行对应章节的示例代码。推荐大家可以通过在硅基流动上注册账号，获取 API 密钥，使用免费模型
tencent/Hunyuan-MT-7B或者deepseek-ai/DeepSeek-OCR来亲自体验一下。
写代码控制 AI：开发者必学的两个基础能力
上节课我们搞清楚了 Agent 的架构：
LLM 是大脑，外挂 RAG + Memory + Skill + MCP
这节课换成开发者视角——
怎么用代码真正控制大模型？
往下看 
对话的本质：一个消息列表
模型没有记忆，你发给它的永远是完整历史：
· system → 人设说明，控制 Agent 行为的核心杠杆
· user → 用户的话
· assistant → 模型的回复
多轮对话 = 每次把历史消息重新发一遍
能发多少，取决于上下文窗口能装多少 Token
Streaming：生产环境的标配
首 Token 延迟（TTFT）比总生成时间更重要
非流式：等 10 秒全部出现 → 用户：系统卡死了？
Streaming：0.3 秒首字出现 → 用户：AI 在思考
代码只差一个词：invoke → stream
凡是面向用户的 AI 回答，都应该用 Streaming
Tool Use：从「只能说」到「能做事」
大模型只有一个能力：根据文字，生成文字
它不能上网、不能查数据库、不能调 API
那 ChatGPT 怎么「上网搜索」？答案就是 Tool Use
五步机制：
① 你定义工具（函数名 + 描述 + 参数类型）
② 模型判断需要工具 → 返回 tool_calls，不是文字
③ 你的代码去执行工具（真正干活的是你）
④ 结果以 ToolMessage 传回模型
⑤ 模型基于真实数据生成最终回答
模型是「指挥」，你的代码是「执行者」
create_agent：一行启动推理循环
手动编排 = 自己写循环 + 处理边界 + 单轮调用
create_agent 帮你封装了这一切：
· 自动 ReAct 循环（推理-行动-观察）
· 自主决定调用工具几次，查完不够可以再查
· 支持记忆持久化
pip install langchain 或 uv add langchain
RAG · Memory · Skill · MCP 的工程实现
全部依赖 Tool Use
搞懂它，后续所有模块你都能看懂