01 · 命令行学习的意义：为什么命令要自己敲

日期：2026-11-10 ｜ 背景：环境搭建完成后，我给了两条命令（cd + 运行脚本），并邀请你自己输入。你问：这条命令的意义是什么？想让我学到什么？ 关联：学习路线图 ｜ 概念指南

这条命令本身不是学习目标，它在教你三件未来每天都用的事

先解剖这条命令，你会发现它有三个教学点

cd /e/zcode/DeepTraining/langgraph-learn        # ① 我在哪个目录（工作目录决定相对路径）
.venv/Scripts/python.exe                        # ② 我用哪个解释器（关键！）
examples/01_tool_agent.py                       # ③ 我在跑哪个"实验"

② 是全条命令的灵魂：.venv/Scripts/python.exe 不是你系统的 Python，而是虚拟环境里那个装了 langgraph 的 Python。你机器上有 3 个 Python（3.7 老的、3.12 新装的、WindowsApps 占位符）——初学者 90% 的 ModuleNotFoundError（"我明明装了这个包！"）都是用错了解释器。亲手敲几遍，这个概念就长在脑子里了；如果你一直用 IDE 的绿色运行按钮，这个坑会在第 3 周的某个深夜才爆出来。

让你自己跑的四个理由

1. 建立"修改→运行→观察"的反射弧。学 LangGraph 的日常就是这个循环：改一行代码 → 跑 → 看轨迹变化。跑这一步必须长在你手上，而不是长在我手上——我替你跑 100 次，你手上还是零。

2. 错误信息本身就是教材。比如你删掉环境变量再跑，会看到： KeyError: 'SILICONFLOW_API_KEY' 这个 traceback 是你读懂的，不是被我修好的——下次它半夜出现时你能自己处理。我替你跑，就等于替你读完了教材。

3. 命令行参数化实验的习惯。LG_MODEL=deepseek-ai/DeepSeek-V3.2 .venv/Scripts/python.exe examples/01_tool_agent.py——改一个环境变量就切换对比实验，不碰代码。这是后面所有工作的基本动作（对比模型、跑评测、切供应商）。GUI 按钮给不了这个灵活性。

4. 整个 AI 工程栈是 CLI 优先的：langgraph dev、pip、git、ollama pull……未来 6 周每一步都是命令。这条 10 秒的命令是热身，不是负担。

顺便教你省事的做法（也是知识点）

source .venv/Scripts/activate     # 激活：把 .venv 排到 PATH 最前面
python examples/01_tool_agent.py  # 之后直接打 python 就指到虚拟环境了

"激活"做了什么——修改 PATH，让裸的 python 命令指向虚拟环境。理解了这个，②的教学点就毕业了。

诚实的边界

敲命令只是 10 秒的动作，真正的学习发生在"改动实验"里（换模型/删 prompt/加工具那三个）。所以分工建议：环境类命令你来敲（建立肌肉记忆），调试卡壳时我来一起看 traceback——但看的过程你在旁边。

我的收获（学完本篇应能回答）

• 能说出 .venv/Scripts/python.exe 和系统 python 的区别
• 能解释 source activate 到底改变了什么
• 能用环境变量做一次"不碰代码的对比实验"

本篇是 LangGraph 学习归档第 01 篇，命名规则见 README。