【AI赋能测试】入门准备工作

averageJune

193人浏览 · 2026-03-31 20:14:29

averageJune · 2026-03-31 20:14:29 发布

技术栈：Agent+RAG+MCP+Skills+Tools

RAG（Retrieval-Augmented Generation，检索增强生成）是一种将信息检索与文本生成结合的 AI 技术，核心是在生成前从外部知识库检索相关信息并融入上下文，以此提升大语言模型（LLM）输出的准确性、时效性与可解释性，同时缓解幻觉、知识陈旧等问题。

模型上下文协议（Model Context Protocol）
定义：Anthropic 开源的跨模型交互协议，统一 LLM 与外部工具 / 数据源的通信标准（如 JSON-RPC 2.0），被称为 “AI 领域的 USB-C 接口”。
价值：解决模型与外部系统集成碎片化问题，支持本地 / 远程部署，适配数据库、API、代码仓库等场景，降低多模型适配成本。

Agent（智能体 / AI 代理）

普通大模型：你问一句，它答一句，被动响应。
Agent：它会自己想步骤、自己查资料、自己调用工具、自己修正错误，直到完成任务。

Tools（工具）

Agent 能调用的外部能力，用来弥补大模型本身做不到的事

Skills（技能）

“固定能力包”，比单个 Tool 更复杂，更高层的封装
Skill = 固定任务流程 + 一组工具 + 提示词模板

uv = Python 世界最快的包管理器 / 虚拟环境工具

一、Mac 安装 uv（最推荐方式）

打开 终端（Terminal），输入下面这行命令并回车：

curl -LsSf https://astral.sh/uv/install.sh | sh

等待安装完成即可。在这里插入图片描述

验证是否安装成功：

source $HOME/.local/bin/env
# 刚才安装把工具放到了一个隐藏文件夹里，
# 但新打开的终端还不知道这个路径，所以找不到 uv。
# 执行上面的命令，就是临时刷新一下路径
uv --version

如果显示版本号，就说明装好了！

二、在 PyCharm 里使用 uv 虚拟环境

在 PyCharm 里建了项目，直接按下面步骤做：

1. 打开 PyCharm 终端

点击底部工具栏的 Terminal。

2. 创建 uv 虚拟环境（在项目根目录）

在终端里执行：

uv venv

这会在项目根目录生成一个 .venv 文件夹。

3. 激活环境（Mac 关键步骤）

执行：

source .venv/bin/activate

激活成功后，你会看到终端前面变成：

(.venv) amber@amberdeMacBook-Pro ai-test-agent-system %

4. 安装库（比 pip 快 10 倍）

uv install openai langchain chromadb

5. 运行代码

uv run agent.py

三、让 PyCharm 自动识别 uv 环境（可选，但推荐）

为了让 PyCharm 自动识别你刚创建的 .venv 环境：

打开：File → Settings（快捷键 Cmd + ,）
进入：Project: ai-test-agent-system → Python Interpreter
点击右上角的 Add Interpreter → Add Local Interpreter
选择：Virtualenv Environment
选择：Existing
指向你项目里的 .venv/bin/python
点 OK

这样 PyCharm 就会自动使用你用 uv 装好的环境。在这里插入图片描述

四、超简总结（Mac 版）

uv 要单独装：终端一行命令搞定
激活环境：source .venv/bin/activate

uv是包管理和虚拟环境工具，其核心的包安装逻辑是封装了pip，所以所有pip的安装、卸载、更新操作，都需要在uv后加pip子命令，比如：

卸载包：uv pip uninstall langchain
查看已装包：uv pip list
导出依赖：uv pip freeze > requirements.txt

安装包：

uv pip install langchain

如果需要安装指定版本，可加版本号：

uv pip install langchain==0.1.0

uv pip install langchain
uv pip install langchain-deepseek
uv pip install langchain-mcp-adapters
uv pip install 'langgraph-cli[inmem]'

这 4 个库分别是干嘛的，你一看就懂👇

1. `langchain`

大模型开发的“万能工具箱”

最核心、最基础的库
帮你快速调用大模型（GPT、DeepSeek、通义千问等）
提供：对话管理、文档读取、工具调用、记忆功能
相当于AI 应用的骨架

一句话：做 AI 项目必须装它。

2. `langchain-deepseek`

DeepSeek 大模型专用对接包

专门让 LangChain 能调用 DeepSeek 系列模型
比如 deepseek-chat、deepseek-coder
没有它，你就没法在 LangChain 里用 DeepSeek

一句话：你要用 DeepSeek，就必须装它。

3. `langchain-mcp-adapters`

MCP 工具适配器（多模型协作工具）
MCP = Model Control Protocol

让大模型能调用外部工具
让不同模型之间互相通信、协作
属于进阶功能，一般做复杂 AI 系统才用

一句话：让 AI 能调用工具、能和别的 AI 对话。

4. `langgraph-cli[inmem]`

LangGraph 工作流命令行工具

LangGraph 是做 AI 智能体、工作流、多步骤任务 的框架
[inmem] 是内存存储模式（轻量、不用数据库）
用来构建：AI 助手、自动化工作流、自主思考的 Agent

一句话：做 AI 智能体（Agent）必须用它。

超级总结

langchain → AI 基础框架
langchain-deepseek → 对接 DeepSeek 大模型
langchain-mcp-adapters → AI 调用外部工具
langgraph-cli[inmem] → 做 AI 智能体/自动化工作流

这四个一起装，说明你正在做：
基于 DeepSeek 的 AI 智能体 / 自动化工作流项目 ✅

langchain的GitHub地址https://github.com/langchain-ai

LangChain Python 官方主文档
https://python.langchain.com/（最新英文教程、概念、实战指南）
LangChain API 参考文档
https://python.langchain.com/api_reference/（所有类、方法的详细参数说明）
LangChain 中文文档
https://www.langchain.com.cn/（国内社区维护，适合快速理解核心概念）
https://python.langchain.ac.cn/（官方中文镜像，内容同步更及时）
LangGraph 专属文档（langgraph-cli配套）
https://langgraph.langchain.com/