𝗦𝗲𝘁𝘁𝗶𝗻𝗴 𝗨𝗽 𝗬𝗼𝘂𝗿 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗺𝗲𝗻𝘁: 𝗟𝗮𝗻𝗴𝗖𝗵𝗮𝗶𝗻, 𝗟𝗮𝗻𝗴𝗚𝗿𝗮𝗽𝗵 & 𝗖𝗵𝗮𝘁 𝗟𝗟𝗠𝘀

मैंने एक बार LangChain प्रोजेक्ट को डीबग करने में दो घंटे बिताए थे। समस्या केवल एक मिसिंग एनवायरनमेंट वेरिएबल (environment variable) की थी। मेरी API key एक .env फ़ाइल में थी, लेकिन मैं उसे लोड करना भूल गया था।

मैंने यह गाइड इसलिए लिखी है ताकि आपको मेरी तरह समय बर्बाद न करना पड़े।

आप LangChain, LangGraph और एक Chat LLM के साथ एक वर्किंग Python एनवायरनमेंट सेटअप करना सीखेंगे।

Required Packages:

Step 1: Python वर्शन चेक करें LangChain के लिए Python 3.9 या उससे ऊपर का वर्शन चाहिए। अपने टर्मिनल में इसे चलाएं: python --version

Step 2: वर्चुअल एनवायरनमेंट (Virtual Environment) बनाएं डिपेंडेंसी कॉन्फ्लिक्ट्स (dependency conflicts) से बचने के लिए हमेशा वर्चुअल एनवायरनमेंट का उपयोग करें।

mkdir langchain-agents-series cd langchain-agents-series python -m venv venv

Mac/Linux पर एक्टिवेट करने के लिए: source venv/bin/activate

Windows पर एक्टिवेट करने के लिए: venv\Scripts\activate

Step 3: डिपेंडेंसीज़ इंस्टॉल करें अपना एनवायरनमेंट एक्टिवेट करने के बाद, इसे चलाएं: pip install langchain langchain-openai langchain-core langgraph python-dotenv openai

Step 4: अपनी API Keys सुरक्षित रखें अपनी API key को कभी भी कोड में हार्डकोड (hardcode) न करें। यह खतरनाक है। यदि आप इसे GitHub पर पुश करते हैं, तो बॉट्स इसे चुरा लेंगे।

  1. एक .env फ़ाइल बनाएं: touch .env
  2. अपनी की (key) जोड़ें: OPENAI_API_KEY=your-key-here
  3. अपनी .env और venv फ़ोल्डर्स को छिपाने के लिए एक .gitignore फ़ाइल बनाएं।

Step 5: आपका पहला एजेंट hello_agent.py नाम की एक फ़ाइल बनाएं। अपनी कीज़ (keys) पढ़ने के लिए load_dotenv() फ़ंक्शन का उपयोग करें।

एजेंट बनाते समय temperature=0 का उपयोग करें। इससे मॉडल का आउटपुट प्रेडिक्टेबल (predictable) और कंसिस्टेंट (consistent) रहता है।

ध्यान रखने योग्य सामान्य त्रुटियां (Common Errors):

Best Practices:

Source: https://dev.to/ikram_khan/setting-up-your-environment-langchain-langgraph-chat-llms-43cf

वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi