> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 贡献代码

欢迎贡献代码！无论是修复错误、添加功能还是改进性能，您的贡献都将帮助为数千名开发者提供更好的开发体验。

## 快速入门

如果您正在寻找可以着手的工作，请查看我们仓库中标记为 "help wanted" 的问题：

<Columns cols={3}>
  <Card title="LangChain" icon="link" href="https://github.com/langchain-ai/langchain/labels?q=help+wanted">Labels</Card>
  <Card title="LangGraph" icon="topology-ring" href="https://github.com/langchain-ai/langgraph/labels?q=help+wanted">Labels</Card>
  <Card title="Deep Agents" icon="robot" href="https://github.com/langchain-ai/deepagents/labels?q=help+wanted">Labels</Card>
</Columns>

<Note>
  在提交大型**新功能或重构**之前，请先创建一个 issue 或在[论坛](https://forum.langchain.com/)发帖讨论。这有助于确保与项目目标保持一致，并避免重复工作。
</Note>

### 快速修复：提交错误修复

对于简单的错误修复，您可以立即开始：

<Steps>
  <Step title="重现问题">
    在克隆仓库之前，请确保您可以稳定地重现该错误。这有助于确认问题，并为您的修复提供起点。维护者和其他贡献者应该能够根据您的描述重现问题，而无需额外设置或修改。
  </Step>

  <Step title="复刻仓库">
    将 [LangChain](https://github.com/langchain-ai/langchain)、[LangGraph](https://github.com/langchain-ai/langgraph) 或 [Deep Agents](https://github.com/langchain-ai/deepagents) 仓库复刻到您的 <Tooltip tip="如果复刻到组织帐户，维护者将无法进行编辑，这可能会显著延迟接受。">个人 GitHub 帐户</Tooltip>
  </Step>

  <Step title="克隆与设置">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    git clone https://github.com/your-username/name-of-forked-repo.git

    # 例如，对于 LangChain：
    git clone https://github.com/parrot123/langchain.git
    ```

    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    # 在您的仓库内部，初始化环境并安装依赖
    uv venv && source .venv/bin/activate
    uv sync --all-groups

    # 或者，仅安装特定组：
    uv sync --group test
    ```

    如果您之前没有安装过 [`uv`](https://docs.astral.sh/uv/)，则需要安装它。
  </Step>

  <Step title="创建分支">
    为您的修复创建一个新分支。这有助于保持更改的组织性，并使后续提交拉取请求更加容易。

    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    git checkout -b your-username/short-bugfix-name
    ```
  </Step>

  <Step title="编写失败的测试">
    添加在没有您的修复时会失败的[单元测试](#test-writing-guidelines)。这使我们能够验证错误是否已解决，并防止回归。
  </Step>

  <Step title="进行更改">
    在遵循我们的[代码质量标准](#code-quality-standards)的同时修复错误。进行**解决问题所必需的最小更改**。我们强烈建议贡献者在开始编码之前先对 issue 发表评论。例如：

    > *“我想解决这个问题。我打算的方法是 \[...简要描述...]。这符合维护者的期望吗？”*

    如果您的初始方法是错误的，30 秒的评论通常可以避免浪费精力。
  </Step>

  <Step title="验证修复">
    确保测试通过且没有引入回归。在提交 PR 之前，确保所有测试在本地通过。

    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    make format
    make lint
    make test

    # 对于涉及集成的错误修复，还要运行：
    make integration_tests
    # （您可能需要设置 API 测试凭据）
    ```
  </Step>

  <Step title="记录更改">
    如果行为发生变化，请更新文档字符串和/或内联注释。
  </Step>

  <Step title="提交拉取请求">
    遵循提供的 PR 模板。如果适用，请使用[关闭关键字](https://docs.github.com/en/issues/tracking-your-work-with-issues/using-issues/linking-a-pull-request-to-an-issue#linking-a-pull-request-to-an-issue-using-a-keyword)（例如 `Fixes #ISSUE_NUMBER`）引用您正在修复的问题，以便在您的 PR 合并时自动关闭该问题。
  </Step>
</Steps>

### 完整开发设置

对于持续开发或较大的贡献：

1. 查看我们的[贡献指南](#contribution-guidelines)（针对功能、错误修复和集成）
2. 按照下面的[设置指南](#development-environment)设置您的环境
3. 了解[仓库结构](#repository-structure)和包组织
4. 学习我们的[开发工作流](#development-workflow)，包括测试和代码检查

***

## 贡献指南

在开始为 LangChain 项目贡献代码之前，请花点时间思考一下您为什么要这样做。如果您唯一的目标是在简历上增加一个“首次贡献”（或者您只是想快速获胜），那么参加训练营或在线教程可能更适合您。

为开源项目贡献代码需要时间和精力，但它也可以帮助您成为更好的开发者并学习新技能。然而，重要的是要知道，这可能比参加培训课程更难、更慢。话虽如此，如果您愿意花时间把事情做好，为开源做贡献是值得的！

### 向后兼容性

<Warning>
  除关键安全修复外，不允许对公共 API 进行破坏性更改。

  有关主要版本发布的详细信息，请参阅我们的[版本控制政策](/oss/python/versioning)。
</Warning>

通过以下方式保持兼容性：

<AccordionGroup>
  <Accordion title="稳定接口">
    **始终保留**：

    * 函数签名和参数名称
    * 类接口和方法名称
    * 返回值结构和类型
    * 公共 API 的导入路径
  </Accordion>

  <Accordion title="安全更改">
    **可接受的修改**：

    * 添加新的可选参数

    * 向类添加新方法

    * 在不改变行为的情况下提高性能

    * 添加新模块或函数
  </Accordion>

  <Accordion title="进行更改之前">
    * **这会破坏现有的用户代码吗？**

    * 检查您的目标是否是公开的

    * 如果需要，它是否在 `__init__.py` 中导出？

    * 测试中是否有现有的使用模式？
  </Accordion>
</AccordionGroup>

### 新功能

我们旨在对新功能保持高标准。通常，如果没有现有问题表明对核心抽象有迫切需求，我们不接受外部贡献者提供的新核心抽象。这也适用于对基础设施和依赖项的更改。

通常，功能贡献要求包括：

<Steps>
  <Step title="设计讨论">
    打开一个 issue，描述：

    * 您要解决的问题
    * 提议的 API 设计
    * 预期的使用模式
  </Step>

  <Step title="实现">
    * 遵循现有代码模式
    * 包含全面的测试和文档
    * 考虑安全影响
  </Step>

  <Step title="集成考虑因素">
    * 这将如何与现有功能交互？
    * 是否有性能影响？
    * 这会引入新的依赖项吗？

    我们将会拒绝可能导致安全漏洞或报告的功能。
  </Step>
</Steps>

### 安全指南

<Warning>
  安全至关重要。切勿引入漏洞或不安全的模式。
</Warning>

安全检查表：

<AccordionGroup>
  <Accordion title="输入验证">
    * 验证并清理所有用户输入
    * 在模板和查询中正确转义数据
    * 切勿对用户数据使用 `eval()`、`exec()` 或 `pickle`，因为这可能导致任意代码执行漏洞
  </Accordion>

  <Accordion title="错误处理">
    * 使用特定的异常类型
    * 不要在错误消息中暴露敏感信息
    * 实现正确的资源清理
  </Accordion>

  <Accordion title="依赖项">
    * 避免添加硬依赖项
    * 保持可选依赖项最少
    * 审查第三方包的安全问题
  </Accordion>
</AccordionGroup>

***

## 开发环境

<Tip>
  **使用 AI 编码代理？** 安装 [LangChain Skills](https://github.com/langchain-ai/langchain-skills) 以提高您的代理在 LangChain 生态系统任务上的性能，然后单击本页右上角的“复制页面”按钮，将原始内容粘贴到您的代理中，让它自动设置您的环境。
</Tip>

我们的 Python 项目使用 [`uv`](https://docs.astral.sh/uv/getting-started/installation/) 进行依赖管理。请确保您安装了最新版本。

<Info>
  我们努力在所有 Python 包中保持设置一致。从包目录中运行：

  ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
  uv sync --all-groups
  make test  # 在开始开发之前验证单元测试是否通过
  ```
</Info>

一旦您查看了[贡献指南](#contribution-guidelines)，请在下面的[仓库结构](#repository-structure)部分找到您正在处理的组件的包目录。

***

## 仓库结构

<Tabs>
  <Tab title="LangChain" icon="link">
    LangChain 组织为一个包含多个包的 monorepo：

    <AccordionGroup>
      <Accordion title="核心包" defaultOpen>
        * **[`langchain`](https://github.com/langchain-ai/langchain/tree/master/libs/langchain#readme)**（位于 `libs/langchain/`）：包含链、代理和检索逻辑的主包
        * **[`langchain-core`](https://github.com/langchain-ai/langchain/tree/master/libs/core#readme)**（位于 `libs/core/`）：基础接口和核心抽象
      </Accordion>

      <Accordion title="合作伙伴包">
        位于 `libs/partners/`，这些是独立版本化的特定集成包。例如：

        * **[`langchain-openai`](https://github.com/langchain-ai/langchain/tree/master/libs/partners/openai#readme)**：[OpenAI](/oss/python/integrations/providers/openai) 集成
        * **[`langchain-anthropic`](https://github.com/langchain-ai/langchain/tree/master/libs/partners/anthropic#readme)**：[Anthropic](/oss/python/integrations/providers/anthropic) 集成
        * **[`langchain-google-genai`](https://github.com/langchain-ai/langchain-google/)**：[Google Generative AI](/oss/python/integrations/chat/google_generative_ai) 集成

        许多合作伙伴包位于外部仓库中。请查看[集成列表](/oss/python/integrations/providers/overview)了解详情。
      </Accordion>

      <Accordion title="支持包">
        * **[`langchain-text-splitters`](https://github.com/langchain-ai/langchain/tree/master/libs/text-splitters#readme)**：文本分割工具
        * **[`langchain-standard-tests`](https://github.com/langchain-ai/langchain/tree/master/libs/standard-tests#readme)**：集成的标准测试套件
        * **[`langchain-community`](https://github.com/langchain-ai/langchain-community)**：社区维护的集成（位于单独的仓库中）
      </Accordion>
    </AccordionGroup>
  </Tab>

  <Tab title="LangGraph" icon="topology-ring">
    LangGraph 组织为一个包含多个 Python 包的 monorepo：

    <AccordionGroup>
      <Accordion title="核心包" defaultOpen>
        * **[`langgraph`](https://github.com/langchain-ai/langgraph/tree/main/libs/langgraph#readme)**（位于 `libs/langgraph/`）：用于构建有状态多角色代理的核心框架
        * **[`langgraph-prebuilt`](https://github.com/langchain-ai/langgraph/tree/main/libs/prebuilt#readme)**（位于 `libs/prebuilt/`）：用于创建和运行代理及工具的高级 API
      </Accordion>

      <Accordion title="检查点包">
        * **[`langgraph-checkpoint`](https://github.com/langchain-ai/langgraph/tree/main/libs/checkpoint#readme)**（位于 `libs/checkpoint/`）：检查点保存器的基本接口
        * **[`langgraph-checkpoint-postgres`](https://github.com/langchain-ai/langgraph/tree/main/libs/checkpoint-postgres#readme)**（位于 `libs/checkpoint-postgres/`）：Postgres 实现
        * **[`langgraph-checkpoint-sqlite`](https://github.com/langchain-ai/langgraph/tree/main/libs/checkpoint-sqlite#readme)**（位于 `libs/checkpoint-sqlite/`）：SQLite 实现
      </Accordion>

      <Accordion title="SDK 和 CLI">
        * **[`langgraph-sdk`](https://github.com/langchain-ai/langgraph/tree/main/libs/sdk-py#readme)**（位于 `libs/sdk-py/`）：代理服务器 API 的 Python SDK
        * **[`langgraph-cli`](https://github.com/langchain-ai/langgraph/tree/main/libs/cli#readme)**（位于 `libs/cli/`）：官方命令行界面
      </Accordion>
    </AccordionGroup>
  </Tab>

  <Tab title="Deep Agents" icon="robot">
    Deep Agents 组织为一个包含多个 Python 包的 monorepo：

    <AccordionGroup>
      <Accordion title="核心包" defaultOpen>
        * **[`deepagents`](https://github.com/langchain-ai/deepagents/tree/main/libs/deepagents#readme)**（位于 `libs/deepagents/`）：用于构建具有规划、文件系统和子代理能力的深度代理的核心框架
        * **[`deepagents-cli`](https://github.com/langchain-ai/deepagents/tree/main/libs/cli#readme)**（位于 `libs/cli/`）：具有对话恢复、网络搜索和沙箱功能的交互式终端界面
      </Accordion>

      <Accordion title="集成包">
        * **[`deepagents-harbor`](https://github.com/langchain-ai/deepagents/tree/main/libs/harbor#readme)**（位于 `libs/harbor/`）：与 LangSmith 追踪的 Harbor 集成
        * **[`deepagents-acp`](https://github.com/langchain-ai/deepagents/tree/main/libs/acp#readme)**（位于 `libs/acp/`）：代理客户端协议集成
      </Accordion>
    </AccordionGroup>
  </Tab>
</Tabs>

***

## 开发工作流

### Pre-commit 钩子

[LangChain](https://github.com/langchain-ai/langchain) 和 [Deep Agents](https://github.com/langchain-ai/deepagents) 仓库包含 [pre-commit](https://pre-commit.com/) 钩子，可在每次提交前自动运行格式化、代码检查和验证检查。从仓库根目录安装它们：

```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
pip install pre-commit  # 或：uv tool install pre-commit
pre-commit install
```

这些钩子强制执行：

* 不直接提交到受保护分支
* YAML 和 TOML 语法验证
* 修复尾随空格和文件结尾
* 智能引号和非标准空格规范化
* 每个包的 `make format` 和 `make lint`

### 运行测试

<Info>
  目录是相对于您正在处理的包的。
</Info>

我们尽可能倾向于使用单元测试而不是集成测试。单元测试在每个拉取请求上运行，因此它们应该快速且可靠。集成测试按计划运行并且需要更多设置，因此它们应保留用于确认与外部服务的接口点。

#### 单元测试

**位置**：`tests/unit_tests/`

单元测试涵盖不需要调用外部 API 的模块化逻辑。如果您添加了新逻辑，则应该添加一个单元测试。在单元测试中，检查前/后处理并模拟外部依赖项。

**要求**：

* 不允许网络调用
* 测试所有代码路径，包括边缘情况
* 对外部依赖项使用模拟

运行单元测试：

```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
make test

# 或直接运行：
uv run --group test pytest tests/unit_tests

# 运行特定测试：
TEST_FILE=tests/unit_tests/test_imports.py make test
```

#### 集成测试

**位置**：`tests/integration_tests/`

集成测试涵盖需要调用外部 API（通常是与其它服务集成）的逻辑。

集成测试需要访问外部服务/提供者 API（可能需要付费），因此默认情况下不会运行。

并非每个代码更改都需要集成测试，但请记住，我们将作为审查过程的一部分单独要求/运行集成测试。

**要求**：

* 测试与外部服务的真实集成
* 对环境变量使用 API 密钥
* 如果凭据不可用，则优雅跳过

运行集成测试：

```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
make integration_tests

# 或直接运行：
uv run --group test --group test_integration pytest --retries 3 --retry-delay 1 tests/integration_tests

# 运行特定测试：
TEST_FILE=tests/integration_tests/test_openai.py make integration_tests
```

### 代码质量标准

贡献必须遵守以下质量要求：

<Tabs>
  <Tab title="类型提示">
    **必需**：所有函数的完整类型注解

    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    def process_documents(
        docs: list[Document],
        processor: DocumentProcessor,
        *,
        batch_size: int = 100
    ) -> ProcessingResult:
        """批量处理文档。

        Args:
            docs: 要处理的文档列表。
            processor: 文档处理实例。
            batch_size: 每批处理的文档数。

        Returns:
            包含成功/失败计数的处理结果。
        """
    ```
  </Tab>

  <Tab title="文档">
    **必需**：所有公共函数使用 [Google 风格的文档字符串](https://google.github.io/styleguide/pyguide.html)。

    **指导原则**：文档字符串描述“是什么”；本站点上的文档解释“怎么做”和“为什么”。

    | 内容类型    | 位置    | 目的            |
    | ------- | ----- | ------------- |
    | 参数类型    | 签名    | 自动生成到 API 参考中 |
    | 参数描述    | 文档字符串 | 自动生成到 API 参考中 |
    | 返回类型和异常 | 文档字符串 | API 参考        |
    | 最小使用示例  | 文档字符串 | 显示基本实例化模式     |
    | 功能教程    | 本站点   | 深入的操作指南       |
    | 端到端示例   | 本站点   | 真实世界的使用模式     |
    | 概念解释    | 本站点   | 理解和上下文        |

    **文档字符串应包含：**

    1. 类/函数功能的一行摘要
    2. 指向本站点教程、指南和使用模式的链接
    3. 包含类型和描述的参数文档
    4. 返回值描述
    5. 可能引发的异常
    6. 根据需要提供一个显示基本实例化/用法的最小示例

    <AccordionGroup>
      <Accordion title="好的文档字符串示例">
        ````python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
        class ChatAnthropic(BaseChatModel):
            """与 Claude 聊天模型的接口。

            请参阅 [使用指南](https://docs.langchain.com/oss/python/integrations/chat/anthropic)
            获取教程、功能演示和示例。

            Args:
                model: 模型标识符（例如 `'claude-sonnet-4-6'`）。
                temperature: 介于 `0` 和 `1` 之间的采样温度。
                max_tokens: 生成的最大令牌数。
                api_key: Anthropic API 密钥。

                    如果未提供，则从 `ANTHROPIC_API_KEY` 环境变量读取。
                timeout: 请求超时（秒）。
                max_retries: 失败请求的最大重试次数。

            Returns:
                一个可以使用消息调用的聊天模型实例。

            Raises:
                ValueError: 如果模型标识符未被识别。
                AuthenticationError: 如果 API 密钥无效。

            Example:
                ```python
                from langchain_anthropic import ChatAnthropic

                model = ChatAnthropic(model="claude-sonnet-4-6")
                response = model.invoke("Hello!")
                ```
            """
        ````
      </Accordion>

      <Accordion title="文档字符串中不应包含的内容">
        避免重复属于文档字符串的内容：

        * **参数类型**：这些在函数签名中，并自动生成到 API 参考中。

        * **功能教程**：不要包含扩展的操作指南。相反，链接到本站点：

          ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
          """
          ...

          请参阅 [扩展思维指南](https://docs.langchain.com/oss/integrations/chat/anthropic#extended-thinking) 了解配置选项。
          """
          ```

        * **多个示例变体**：包含一个最小示例，然后链接到全面的指南：

          ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
          """
          Example:
              \`\`\`python
              message = HumanMessage(content=[
                  {"type": "image", "url": "https://example.com/image.jpg"}
              ])
              \`\`\`

          请参阅 [多模态指南](https://docs.langchain.com/oss/integrations/chat/anthropic#multimodal) 了解所有支持的输入格式。
          """
          ```

        * **概念解释**：坚持使用事实性的参数描述。链接到文档以获取更深入的上下文。

        * **MkDocs 特定语法**：避免在文档字符串中使用 `???+`、手风琴或选项卡。它们在 IDE 中无法渲染。
      </Accordion>
    </AccordionGroup>
  </Tab>

  <Tab title="代码风格">
    **自动化**：通过 [`ruff`](https://docs.astral.sh/ruff/) 进行格式化和代码检查

    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    make format  # 应用格式化
    make lint    # 检查风格和类型
    ```

    **标准**：

    * 描述性变量名
    * 分解复杂函数（力求少于 20 行）
    * 遵循代码库中的现有模式
  </Tab>
</Tabs>

### 依赖项

LangChain 包区分**硬依赖项**和**可选依赖项**，以保持包轻量级并最大限度地减少用户的安装开销。

<Tabs>
  <Tab title="可选依赖项">
    几乎所有新依赖项都应该是可选的。在以下情况下使用可选依赖项：

    * 依赖项仅用于特定集成或功能
    * 用户可以在没有此依赖项的情况下有意义地使用包
    * 依赖项很大或有许多传递依赖项

    **要求：**

    * 未安装依赖项的用户必须能够**导入**您的代码而没有任何副作用（无警告、无错误、无异常）
    * `pyproject.toml` 和 `uv.lock` **不**被修改

    **添加可选依赖项：**

    1. 将依赖项添加到适当的测试依赖项文件中（例如 `extended_testing_deps.txt`）
    2. 添加一个至少尝试导入新代码的单元测试。理想情况下，单元测试使用轻量级夹具来测试代码的逻辑。
    3. 对任何需要该依赖项的单元测试使用 `@pytest.mark.requires("package_name")` 装饰器。
  </Tab>

  <Tab title="硬依赖项">
    当用户安装包时，硬依赖项会自动安装。仅在以下情况下使用硬依赖项：

    * 没有该依赖项，包根本无法运行
    * 依赖项很小且传递依赖项最少
    * 没有合理的方法使该功能成为可选的

    <Warning>
      添加硬依赖项会增加所有用户的安装时间和潜在的版本冲突。

      维护者将仔细审查硬依赖项的添加！
    </Warning>

    **添加硬依赖项：**

    1. 打开一个 issue 或讨论，解释为什么依赖项必须是硬依赖而不是可选依赖
    2. 将依赖项添加到 `pyproject.toml` 中的相应部分
    3. 运行 `uv lock` 以更新锁定文件
    4. 包含涵盖新功能的全面测试
  </Tab>
</Tabs>

***

### 测试编写指南

为了编写有效的测试，需要遵循一些好的实践：

* 在文档字符串中使用自然语言描述测试
* 使用描述性变量名
* 详尽地使用断言

<Tabs>
  <Tab title="单元测试">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    def test_document_processor_handles_empty_input():
        """测试处理器优雅地处理空文档列表。"""
        processor = DocumentProcessor()

        result = processor.process([])

        assert result.success
        assert result.processed_count == 0
        assert len(result.errors) == 0
    ```
  </Tab>

  <Tab title="集成测试">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    @pytest.mark.requires("openai")
    def test_openai_chat_integration():
        """使用真实 API 测试 OpenAI 聊天集成。"""

        chat = ChatOpenAI()
        response = chat.invoke("Hello")

        assert isinstance(response.content, str)
        assert len(response.content) > 0
    ```
  </Tab>

  <Tab title="模拟使用">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    def test_retry_mechanism(mocker):
        """测试重试机制处理瞬时故障。"""
        mock_client = mocker.Mock()
        mock_client.call.side_effect = [
            ConnectionError("Temporary failure"),
            {"result": "success"}
        ]

        service = APIService(client=mock_client)
        result = service.call_with_retry()

        assert result["result"] == "success"
        assert mock_client.call.call_count == 2
    ```
  </Tab>
</Tabs>

### 提交您的 PR

一旦您的测试通过且代码符合质量标准：

1. 推送您的分支并打开一个拉取请求
2. 遵循提供的 PR 模板
3. 使用[关闭关键字](https://docs.github.com/en/issues/tracking-your-work-with-issues/using-issues/linking-a-pull-request-to-an-issue#linking-a-pull-request-to-an-issue-using-a-keyword)（例如 `Fixes #123`）引用相关问题
4. 等待 CI 检查完成

<Note>
  如果您的 PR 包含 AI 生成的内容，您必须遵守我们的[LLM 可接受使用政策](/oss/python/contributing/overview#acceptable-uses-of-llms)。看起来是低质量、AI 生成的垃圾邮件的 PR 将被关闭，恕不另行评论。
</Note>

<Warning>
  及时处理 CI 失败。维护者可能会关闭在合理时间范围内未通过 CI 的 PR。
</Warning>

## 获取帮助

我们的目标是拥有最易访问的开发者设置。如果您在设置过程中遇到任何困难，请在[社区 Slack](https://www.langchain.com/join-community) 中提问或在[论坛](https://forum.langchain.com/)发帖。

<Check>
  您现在已准备好为 LangChain 贡献高质量的代码！
</Check>

***

<div className="source-links">
  <Callout icon="edit">
    [Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\oss\contributing\code.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose).
  </Callout>

  <Callout icon="terminal-2">
    [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.
  </Callout>
</div>