𝗦𝗲𝘁𝘁𝗶𝗻𝗴 𝗨𝗽 𝗬𝗼𝘂𝗿 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗺𝗲𝗻𝘁: 𝗟𝗮𝗻𝗴𝗖𝗵𝗮𝗶𝗻, 𝗟𝗮𝗻𝗴𝗚𝗿𝗮𝗽𝗵 & 𝗖𝗵𝗮𝘁 𝗟𝗟𝗠𝘀

𝗦𝗲𝘁𝘁𝗶𝗻𝗴 𝗨𝗽 𝗬𝗼𝘂𝗿 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗺𝗲𝗻𝘁: 𝗟𝗮𝗻𝗴𝗖𝗵𝗮𝗶𝗻, 𝗟𝗮𝗻𝗴𝗚𝗿𝗮𝗽𝗵 & 𝗖𝗵𝗮𝘁 𝗟𝗟𝗠𝘀

मी एकदा एका LangChain प्रोजेक्टमधील त्रुटी (debug) शोधण्यात दोन तास घालवले. समस्या फक्त एका गहाळ असलेल्या environment variable ची होती. माझी API key एका .env फाईलमध्ये होती, पण मी ती लोड करायला विसरलो होतो.

मी माझ्यासारखा तुमचा वेळ वाया जाऊ नये म्हणून हा मार्गदर्शक (guide) लिहिला आहे.

तुम्ही LangChain, LangGraph आणि Chat LLM सह एक कार्यरत Python environment कसे सेटअप करायचे हे शिकाल.

आवश्यक पॅकेजेस (Required Packages):

• langchain: chains आणि agents साठी मुख्य framework
• langchain-openai: OpenAI मॉडेल्ससोबत इंटिग्रेशनसाठी
• langchain-core: messages सारख्या shared primitives साठी
• langgraph: Graph-आधारित agent workflows साठी
• python-dotenv: .env फाईलमधून variables लोड करण्यासाठी
• openai: अधिकृत OpenAI Python SDK

पायरी १: Python व्हर्जन तपासा LangChain साठी Python 3.9 किंवा त्यापेक्षा उच्च व्हर्जन आवश्यक आहे. तुमच्या टर्मिनलमध्ये हे रन करा: python --version

पायरी २: Virtual Environment तयार करा Dependency conflicts टाळण्यासाठी नेहमी virtual environment वापरा.

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

Mac/Linux वर सक्रिय (activate) करण्यासाठी: source venv/bin/activate

Windows वर सक्रिय करण्यासाठी: venv\Scripts\activate

पायरी ३: Dependencies इंस्टॉल करा तुमचे environment सक्रिय असताना, हे रन करा: pip install langchain langchain-openai langchain-core langgraph python-dotenv openai

पायरी ४: तुमच्या API Keys सुरक्षित ठेवा तुमची API key कधीही कोडमध्ये थेट (hardcode) लिहू नका. हे धोकादायक आहे. जर तुम्ही ती GitHub वर पुश केली, तर बॉट्स ती चोरून नेतील.

१. .env फाईल तयार करा: touch .env २. तुमची key जोडा: OPENAI_API_KEY=your-key-here ३. तुमच्या .env आणि venv फोल्डर्स लपवण्यासाठी .gitignore फाईल तयार करा.

पायरी ५: तुमचा पहिला Agent hello_agent.py नावाची फाईल तयार करा. तुमच्या keys वाचण्यासाठी load_dotenv() फंक्शन वापरा.

Agents तयार करताना temperature=0 वापरा. यामुळे मॉडेलचे आउटपुट अधिक अंदाज लावण्यायोग्य (predictable) आणि सुसंगत (consistent) बनते.

लक्षात ठेवण्यासारख्या सामान्य त्रुटी (Common Errors):

• OPENAI_API_KEY not found: तुमची .env फाईल योग्य फोल्डरमध्ये आहे का आणि तुम्ही load_dotenv() कॉल केले आहे का ते तपासा.
• ModuleNotFoundError: तुमचे virtual environment सक्रिय नाही.
• AuthenticationError: तुमची API key चुकीची आहे.
• RateLimitError: तुम्ही तुमची मर्यादा गाठली आहे किंवा तुम्हाला तुमच्या OpenAI अकाउंटमध्ये क्रेडिट्स जोडण्याची गरज आहे.

सर्वोत्तम पद्धती (Best Practices):

• नेहमी virtual environment वापरा.
• pip freeze > requirements.txt वापरून तुमचे व्हर्जन फिक्स (pin) करा.
• स्थिरतेसाठी temperature=0 वापरा.
• खर्च ट्रॅक करण्यासाठी तुमच्या token वापराचा लॉग (log) ठेवा.

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

ऐच्छिक शिक्षण समुदाय: https://t.me/GyaanSetuAi