LANGCHAIN_TUTORIAL 回 Jason 主站

Challenges — 走完 capstone 之后的”自由练习”

Tutorial 是脚手架，挑战是真本事。这页给走完 4 周的人 7 个真实小项目 idea，每个都给你”约束 + 给 AI 的开题 prompt”，你自己拼出来。

不给参考答案。这是 capstone 之后的”出师作业”——目标是你能独立跟 AI 协作做出可工作的 Agent。

怎么挑

按”你最想用它的真实场景”挑一个就行，不用每个都做。每个挑战预计 4-12 小时（含跟 AI 反复对话）。

难度 挑战 用到的核心
⭐⭐ 1. 自动写 Git Commit Message LCEL + Tool
⭐⭐ 2. 网页内容摘要小工具 Tool + RAG-lite
⭐⭐⭐ 3. PR 描述自动生成器 Agent + 多 Tool
⭐⭐⭐ 4. 个人收藏夹整理 Agent RAG + Agent
⭐⭐⭐⭐ 5. 微信群 Bot（FAQ 自动答） RAG + HITL
⭐⭐⭐⭐ 6. 论文阅读助手 RAG + 多步 Graph
⭐⭐⭐⭐⭐ 7. 简单的 SQL 自然语言查询 Agent + Tool + 安全约束

1. 自动写 Git Commit Message ⭐⭐

做什么：写一个命令行工具：跑 python autocommit.py，它读 git diff --staged 输出，让 LLM 生成 commit message，给你确认 → 写入 commit。

约束：

给 AI 的开题 prompt：

我要做一个自动写 commit message 的小工具。
需要参考 final/01_langchain/06_tools_agent.py 里的 @tool 装饰器，
以及 final/02_langgraph/03_human_in_the_loop.py 里的 interrupt 用法。

请先帮我做技术拆解（不直接给代码）：
1. 这个工具应该有哪几个 @tool？分工是什么？
2. 用 LCEL 链还是 LangGraph？为什么？
3. HITL 用 interrupt_before 还是 interrupt()？哪种适合 CLI 场景？

每问独立段落，从日常类比开始。

自检：

2. 网页内容摘要小工具 ⭐⭐

做什么：CLI 工具 summarize.py URL，下载网页 → 提取正文 → LLM 摘要 → 输出 200 字摘要 + 3 个关键 takeaway。

约束：

给 AI 的开题 prompt：

我要做一个网页摘要 CLI。

核心问题：网页 HTML 又大又乱，怎么"切"成 LLM 能消化的格式？
请帮我对比 3 种方案：
1. 全 HTML 直接喂 LLM
2. 用 BeautifulSoup 提取所有可见文本
3. 用 readability-lxml / trafilatura 提取"正文"

哪种适合摘要场景？哪种适合"问答"场景？为什么？

每方案 2-3 句话。从日常类比开始（比如"剪报纸 vs 拍照"）。

自检：

3. PR 描述自动生成器 ⭐⭐⭐

做什么：跑 python pr_helper.py，它读 git log main..HEAD --stat + 当前 branch 名，生成 PR 标题 + 描述 + Test plan 的 markdown。

约束：

给 AI 的开题 prompt：

我要做 PR 描述自动生成器。

核心权衡：让 Agent 自己决定调多少 Tool（ReAct）vs 我固定流程（Linear LCEL）。

请帮我对比：
1. 方案 A（固定流程）：每次都跑 read_log → read_diff → read_files → llm_generate
2. 方案 B（Agent 决定）：让 LLM 看了 log 后再决定要不要看 diff 和文件

A 的优点是稳定可预测；B 的优点是省 token（小 PR 不用读所有改动）。
什么场景适合哪个？

回答 200 字内。从日常类比开始。

进阶：用 evaluate() 评估生成质量——拿 3 个真实 PR 当数据集，让 evaluator 检查”是否提到了所有改动文件”+”Test plan 是否可执行”。

4. 个人收藏夹整理 Agent ⭐⭐⭐

做什么：你有个文件夹存了 100+ 篇 markdown 笔记。写一个 Agent：

约束：

给 AI 的开题 prompt：

我要做收藏夹整理 Agent。100 篇 markdown 笔记按主题聚类。

请引导我做技术决策（不直接给代码）：

1. 聚类用什么方法？
   a) 让 LLM 看摘要决定每篇属于哪个组
   b) 用 embedding + KMeans 经典聚类
   c) 用 embedding + 层次聚类
   各自的复杂度 / 准确度 / token 成本？
2. "主题名"由谁起？LLM 看一组笔记起名，还是从笔记标题里挑？
3. INDEX.md 写多详细？只列标题 vs 标题 + 一句摘要 vs 标题 + 摘要 + 原始路径？

每问 2-3 句话，从日常类比（图书馆分类）开始。

自检：

5. 微信群 Bot（FAQ 自动答） ⭐⭐⭐⭐

做什么：你管理一个技术群，常被问重复问题。写一个 Bot：

约束：

给 AI 的开题 prompt：

我要做 FAQ 自动答 Bot。核心问题：

匹配度阈值怎么设？太低 → bot 瞎答；太高 → 啥都不敢答。

请帮我思考：
1. 用 cosine similarity（向量相似度）还是 LLM-as-Judge 判匹配？
2. 阈值是固定的还是动态的（按 question 长度调整）？
3. 不匹配时，怎么"优雅地"转给人？是直接说"我不知道"，
   还是先说"我猜可能是 X，对吗？"再升级？

每问 100 字内。从客服热线"按 0 转人工"的日常类比开始。

进阶：用 LangSmith Dataset 把”用户真问题 + bot 答 + 用户反馈”持续收集，每周复评一次。

6. 论文阅读助手 ⭐⭐⭐⭐

做什么：给一篇 PDF 论文，它能：

  1. 一句话标题摘要
  2. 三段式摘要（背景 / 方法 / 结论）
  3. 你提任意问题它能基于论文内容答
  4. 标记”论文里没明说但作者似乎假设了”的暗含前提

约束：

给 AI 的开题 prompt：

我要做论文阅读助手。

最难的子问题是"暗含前提"——论文不会写"我们假设 X"，
但你看不到 X 就理解不了为什么作者那么做。

请引导我（不直接给方案）：
1. "暗含前提"怎么定义？跟"作者跳过的步骤"是同一个吗？
2. 怎么让 LLM 主动找"暗含前提"？什么样的 prompt 能引导出来？
3. 怎么验证 LLM 找的暗含前提是真实的（不是它自己脑补的）？

每问 2-3 句话。引用论文阅读时的真实痛点。

自检：拿一篇你觉得”有点难懂”的论文（比如 Attention Is All You Need），看助手能不能讲清。

7. 简单的 SQL 自然语言查询 ⭐⭐⭐⭐⭐

做什么：给一个 SQLite 数据库 + schema 描述，用户用中文问”上周销售额最高的 5 个产品”，Agent 生成 SQL → 跑 → 返回结果。

约束（这个挑战的精髓在这里）：

给 AI 的开题 prompt：

我要做"自然语言转 SQL"Agent，但只读 + 安全约束严格。

最大风险：
- LLM 生成 DROP TABLE（哪怕 prompt 里禁了也可能漏）
- LLM 生成无意义的全表扫描，跑挂数据库
- LLM 误解用户意图（"删除最旧记录" 不该执行任何 DELETE）

请帮我设计 4 层防护：
1. SQL 解析层：拒绝非 SELECT
2. 复杂度层：估计 cost，太大需 HITL
3. 意图层：让另一个 LLM 看用户问题 + 生成的 SQL，判断"意图是否真的是只读"
4. ?（你建议第 4 层是什么？）

每层 2-3 句话讲怎么做。

自检：故意输入危险问题（”清空 sales 表”/”看看用户的密码”），看 4 层防护能不能挡住。

通用建议

怎么开始任何一个挑战

我决定做挑战 N，目标是 [挑战目标]。
约束：
- [复制约束清单]

请你扮演一个**严格但耐心**的代码审稿人，跟我用 30 分钟做架构对齐：

1. 我先说我的初步思路（3-5 行）
2. 你只许问"为什么"，不能给方案——
   每个"为什么"等我答完再问下一个
3. 5-10 个问题后，你帮我总结一份"待回答的关键决策清单"
4. 我自己回答完决策清单，再开始写代码

确认这个流程，让我开始说思路。

卡 1 小时以上

完成后

写一篇博客 / 笔记记录：

提 PR 到本仓库 _scratch/journal/challenge-N-<日期>.md——别人能从你的踩坑中受益。

版本