G0-01 · 环境搭建与验证：Agent 学习环境怎么确认可用

阶段：G0-环境搭建与验证｜预计耗时：30 分钟｜前置：无环境：E:\zcode\DeepTraining\langgraph-learn\.venv（Python 3.12.10 / langgraph 1.2.20 / langchain 1.4.9，2026-11-10 已搭好，2026-11-11 体检通过）代码：langgraph-learn/lg_env_check.py（体检脚本，已实测 9 项全绿）

学习目标

能说清 4 个环境决策的原因：为什么用 SiliconFlow API 而不是本地模型、为什么走 OpenAI 兼容协议、为什么 key 只放环境变量、为什么要 langgraph-cli
会跑体检脚本并逐行解读输出
会用 --live 模式实测 API 连通（花极少量额度）

核心知识

1. 模型供给决策（SiliconFlow API 主力）

你的机器无 CUDA，本地只能跑 1.7B 级小模型（质量勉强）；SiliconFlow 的 Qwen3.5-4B 极便宜且工具调用能力强——学习期用小模型，验收期换 DeepSeek-V3.2
SiliconFlow 是 OpenAI 兼容协议：所以用 ChatOpenAI + base_url="https://api.siliconflow.cn/v1"，不需要专用 SDK——一套写法以后换任何厂商都通用
备份方案：Ollama 本地 qwen3:1.7b（断网/限额应急，包已装、模型可后补）

2. 密钥纪律（安全，没有商量余地）

key 只存在于环境变量 SILICONFLOW_API_KEY，代码里只出现 os.environ["SILICONFLOW_API_KEY"]
⚠️ 历史遗留：这个 key 曾在对话中明文出现过——尽快到硅基流动后台重置新 key，然后只改环境变量一处
判断 key 是否泄露的标准：账单里有不是你自己发起的调用

3. langgraph-cli 是什么

langgraph-cli[inmem] 提供 langgraph dev 命令——本地起一个开发服务器，浏览器里看图的执行过程（LangGraph Studio）。对初学者它是学习加速器：每写一个图先看图长什么样。

实验任务

任务 1：跑体检脚本

cd /e/zcode/DeepTraining/langgraph-learn
.venv/Scripts/python.exe lg_env_check.py            # 离线体检
.venv/Scripts/python.exe lg_env_check.py --live     # 加测真实 API（实测通过，2026-11-11）

逐行读：Python 3.12.10 / 在 venv 里 / 四个包版本 / key 尾号 / 01_tool_agent.py 在位 / API 实测。

任务 2：直跑 Studio 演示图（已在 2026-11-11 实测，你复跑一遍）

.venv/Scripts/python.exe examples/g0_studio_demo.py

看输出：log 字段是两条记录——两个节点的日志都留下了（Reducer 追加的第一次亮相，G1 会深挖）。

任务 3（可选）：环境复现能力

按学习.md 决策 1 与阶段 0 的命令，口头说出从零重建这套环境的完整步骤。

验收标准

体检脚本全部 [OK]，能逐行解释
能说出"为什么 ChatOpenAI 也能接 SiliconFlow"
key 纪律能复述：代码不落明文、泄露判断标准
g0_studio_demo.py 跑通并注意到 log 是追加不是覆盖

衔接下一阶段

环境就位 → G0-02 Studio 可视化调试：把图"看"出来。