𝗦𝗲𝘁𝘁𝗶𝗻𝗴 𝗨𝗽 𝗬𝗼𝘂𝗿 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗺𝗲𝗻𝘁: 𝗟𝗮𝗻𝗴𝗖𝗵𝗮𝗶𝗻, 𝗟𝗮𝗻𝗴𝗚𝗿𝗮𝗽𝗵 & 𝗖𝗵𝗮𝘁 𝗟𝗟𝗠𝘀

Tôi đã từng mất hai tiếng đồng hồ chỉ để gỡ lỗi (debug) một dự án LangChain. Vấn đề nằm ở việc thiếu một biến môi trường. Khóa API của tôi nằm trong tệp .env, nhưng tôi lại quên không tải nó lên.

Tôi viết hướng dẫn này để bạn không phải lãng phí thời gian như tôi đã từng.

Bạn sẽ học cách thiết lập một môi trường Python hoạt động được với LangChain, LangGraph và một Chat LLM.

Các gói yêu cầu (Required Packages):

Bước 1: Kiểm tra phiên bản Python LangChain yêu cầu Python 3.9 trở lên. Hãy chạy lệnh này trong terminal của bạn: python --version

Bước 2: Tạo môi trường ảo (Virtual Environment) Luôn sử dụng môi trường ảo để tránh xung đột phụ thuộc (dependency conflicts).

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

Để kích hoạt trên Mac/Linux: source venv/bin/activate

Để kích hoạt trên Windows: venv\Scripts\activate

Bước 3: Cài đặt các phụ thuộc Khi môi trường đã được kích hoạt, hãy chạy: pip install langchain langchain-openai langchain-core langgraph python-dotenv openai

Bước 4: Bảo mật các khóa API của bạn Đừng bao giờ viết trực tiếp (hardcode) khóa API vào mã nguồn của bạn. Điều này rất nguy hiểm. Nếu bạn đẩy nó lên GitHub, các bot sẽ đánh cắp nó.

  1. Tạo một tệp .env: touch .env
  2. Thêm khóa của bạn: OPENAI_API_KEY=your-key-here
  3. Tạo một tệp .gitignore để ẩn các thư mục .env và venv của bạn.

Bước 5: Tác nhân đầu tiên của bạn Tạo một tệp có tên là hello_agent.py. Sử dụng hàm load_dotenv() để đọc các khóa của bạn.

Hãy sử dụng temperature=0 khi xây dựng các tác nhân. Điều này giúp đầu ra của mô hình có thể dự đoán được và nhất quán.

Các lỗi thường gặp cần lưu ý:

Các phương pháp hay nhất (Best Practices):

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

Cộng đồng học tập (tùy chọn): https://t.me/GyaanSetuAi