1.0 本章介绍

从基础到架构：函数式思维

在 Module 0 中，你学会了 Python 的基本语法——变量、数据类型、控制流。这些是"原子"级别的知识。现在，是时候学习如何将这些原子组合成"分子"——函数，并进一步构建成"有机体"——模块化系统。

想象一下，如果你要构建一个复杂的 AI Agent，它需要：

• 调用 LLM API
• 解析用户输入
• 管理对话历史
• 调用外部工具
• 处理错误和重试
• 记录日志

如果所有代码都写在一个文件的一个函数里，那将是不可维护的噩梦。这就是为什么我们需要学习函数式编程和模块化设计。

为什么函数对 AI Agent 如此重要？

在 LangChain 和 LangGraph 的世界里，一切皆函数：

# LangChain Tool 本质上就是函数
@tool
def search_web(query: str) -> str:
    """搜索网络并返回结果"""
    return search_api.search(query)

# LangGraph 节点也是函数
def agent_node(state: AgentState) -> AgentState:
    """Agent 节点：处理状态并返回新状态"""
    response = llm.invoke(state["messages"])
    return {"messages": state["messages"] + [response]}

# 装饰器让函数具有超能力
@retry(max_attempts=3)
@log_execution
def call_api(endpoint: str) -> dict:
    """带重试和日志的 API 调用"""
    return requests.get(endpoint).json()

如果你不理解函数、装饰器、模块化，你就无法真正理解 LangChain 的源码，也无法构建可维护的 Agent 系统。

本章学习目标

通过本章的学习，你将：

1. 掌握函数的核心概念

• ✅ 定义和调用函数
• ✅ 参数传递（位置参数、关键字参数、默认值）
• ✅ 返回值与多返回值
• ✅ 函数文档字符串（Docstrings）
• ✅ 类型注解：让函数像 API 文档一样清晰

2. 理解高阶函数

• ✅ 函数作为一等公民
• ✅ 函数作为参数（回调函数）
• ✅ 函数作为返回值（工厂函数）
• ✅ Lambda 表达式：匿名函数的艺术

3. 掌握装饰器（Decorators）

• ✅ 装饰器的本质：函数的包装器
• ✅ 内置装饰器：@staticmethod, @property
• ✅ 自定义装饰器：日志、计时、重试
• ✅ LangChain 中的装饰器：@tool, @chain

4. 模块化设计

• ✅ 模块（Module）与包（Package）
• ✅ import 语句的多种形式
• ✅ __name__ 和 __main__ 的魔法
• ✅ 构建可复用的 Agent 组件库

5. 实战：构建 LangChain Tool

• ✅ 从零开始实现一个自定义 Tool
• ✅ 理解 LangChain Tool 的内部机制
• ✅ 集成到 Agent 工作流

本章内容导航

Module 1: 函数与模块化
│
├── 1.0 本章介绍 (你在这里)
│
├── 1.1 函数基础：打造可复用的 Agent 组件
│   ├── 函数定义与调用
│   ├── 参数传递机制
│   ├── 返回值处理
│   ├── 类型注解与文档字符串
│   └── 实战：封装 LLM 调用函数
│
├── 1.2 高阶函数与函数式编程
│   ├── 函数作为一等公民
│   ├── map(), filter(), reduce()
│   ├── Lambda 表达式
│   ├── 闭包（Closure）
│   └── 实战：构建可配置的 Agent 工厂
│
├── 1.3 装饰器：LangChain 的核心模式
│   ├── 装饰器的本质
│   ├── 编写自定义装饰器
│   ├── 装饰器的参数
│   ├── functools.wraps 的重要性
│   └── 实战：实现 @retry 和 @log 装饰器
│
├── 1.4 模块与包管理
│   ├── 模块的导入机制
│   ├── 相对导入 vs 绝对导入
│   ├── \_\_init\_\_.py 的作用
│   ├── 构建项目结构
│   └── 实战：组织 Agent 项目代码
│
├── 1.5 实战：构建第一个 LangChain Tool
│   ├── Tool 的基本结构
│   ├── 使用 @tool 装饰器
│   ├── 集成到 Agent
│   ├── 错误处理
│   └── 完整示例：天气查询 Tool
│
└── 1.6 小结和复习
    ├── 核心概念回顾
    ├── 高难度编码挑战
    └── 通往 Module 2 的桥梁

学习方法建议

🎯 函数式思维的培养

从现在开始，当你写代码时，要不断问自己：

1. 这段代码是否可以封装成函数？
2. 这个函数是否做了太多事情？（单一职责原则）
3. 这个函数是否容易测试？
4. 这个函数的命名是否清晰表达了其作用？

💡 从 LangChain 源码学习

本章会大量参考 LangChain 和 LangGraph 的源码设计模式。建议你：

1. 阅读 LangChain GitHub
2. 关注 @tool 装饰器的实现
3. 观察 LangChain 如何组织模块结构

🔧 实践建议

• 每学一个概念，立即在你的项目中应用
• 重构 Module 0 的代码，使用函数封装
• 尝试阅读并理解 LangChain Tool 的源码
• 完成每节末尾的实战练习

与 AI Agent 开发的联系

函数概念	在 AI Agent 中的应用
函数封装	将 API 调用、数据处理封装成可复用函数
高阶函数	创建可配置的 Agent 工厂函数
装饰器	为 Agent 添加重试、日志、性能监控
Lambda	LangGraph 的条件路由函数
闭包	保持 Agent 的私有状态
模块化	组织大型 Agent 系统的代码结构

预期学习时间

• 快速阅读：3-4 小时
• 深度学习（含实践）：12-16 小时
• 完成所有挑战题：额外 6-8 小时

前置要求

开始本章前，确保你已经：

• ✅ 完成 Module 0 的所有内容
• ✅ 理解变量、数据类型、控制流
• ✅ 能够独立编写简单的 Python 程序
• ✅ 配置好开发环境

本章关键概念预览

函数签名

def function_name(param: type) -> return_type:
    """Docstring"""
    # 函数体
    return value

装饰器模式

@decorator
def function():
    pass

# 等价于
function = decorator(function)

模块导入

from package.module import function
from langchain.tools import tool
from langgraph.prebuilt import create_react_agent

准备好了吗？

函数式编程是构建优雅、可维护 Agent 系统的关键。这一章可能会有一些挑战性，特别是装饰器部分，但请相信我——一旦你掌握了这些概念，你将能够：

• 阅读并理解 LangChain 的源码
• 构建自己的自定义 Tools
• 写出像专业开发者一样的代码

让我们开始这段激动人心的旅程！

---

本章关键词

函数 高阶函数 装饰器 模块化 LangChain Tool 闭包 Lambda DRY原则

---

下一节：1.1 函数基础：打造可复用的 Agent 组件