通过一系列动手项目，系统学习使用 LangChain 构建 AI Agent。从基础的 LLM 调用开始，逐步掌握工具使用、记忆管理、RAG 检索增强，最终构建能够自主完成复杂任务的多 Agent 系统。
使用 LangChain 的 ChatModel 和 PromptTemplate，从零搭建一个支持多轮对话的命令行聊天机器人。你将学会如何将 LLM、提示词模板和对话记忆组合成一条完整的 Chain，理解 LangChain 的核心运作逻辑。
为 LangChain Agent 集成搜索引擎、计算器、天气查询等多种外部工具，让 Agent 能够根据用户问题自动选择并调用合适的工具。通过本挑战，你将掌握 LangChain 工具的定义、注册与使用方式，构建一个真正具备「行动能力」的智能 Agent。
使用 LangChain Memory 模块构建一个具备长期记忆的个人助理。助理需要能够记住用户的姓名、偏好和历史对话内容，并在后续对话中主动运用这些记忆，提供个性化的回复体验。
利用 LangChain 的文档加载器（Document Loaders）、文本分割器、向量数据库以及检索链，构建一个支持 PDF/文本文档上传的智能问答系统。用户上传文档后，系统能够基于文档内容精准回答相关问题，而非依赖模型本身的训练知识。
使用 LangChain 的 ReAct（Reasoning + Acting）Agent 框架，构建一个能够接收高层目标、自主分解子任务、制定执行计划并调用多种工具逐步完成任务的智能 Agent。你需要为 Agent 配备搜索、计算、文件读写等工具，并实现完整的思维链追踪与任务状态管理。
设计并实现一个由「研究员」「写作者」「审核员」组成的多 Agent 流水线，协作完成一篇高质量的行业报告生成任务。