LangChain怎么用 AI应用开发框架入门教程

LangChain是常用的AI应用开发框架，可以把大模型、提示词、工具调用和对话状态组织成一套流程，帮助开发者搭建聊天机器人、问答应用和智能代理。入门时先做一个能回答问题的简单程序，再逐步接入外部工具与记忆功能。下面以Python为例，带你从安装到运行，熟悉基本开发步骤。

第一步：安装LangChain

先确认电脑已安装Python，再打开终端创建项目目录，并建议使用虚拟环境隔离依赖。执行python -m venv .venv创建环境，随后激活它：Windows运行.venv\Scripts\activate，macOS或Linux运行source .venv/bin/activate。接着安装核心包和模型适配包：pip install langchain langchain-openai。安装后可用pip show langchain检查是否成功。

调用云端模型通常还需要对应服务商的API密钥。把密钥放进环境变量OPENAI_API_KEY，不要直接写进代码或提交到公开仓库；模型名称则要替换成你账号可用的型号。如果使用兼容OpenAI接口的本地服务，也可以配置其服务地址和凭证。先检查依赖与密钥，再运行示例，出错时更容易判断是安装问题还是接口配置问题。

第二步：搭建第一个对话链

新建main.py，先写一个最小可运行示例：导入ChatOpenAI，创建模型实例，然后调用invoke发送一句测试问题，并打印返回内容。比如询问“用一句话解释什么是向量数据库”。首次运行需要网络访问模型服务，等待片刻后终端会显示回答。若提示缺少密钥，回到环境变量设置；若模型名无效，就换成服务商当前支持的名称。

确认基本调用成功后，再把输入和模型处理拆成清楚的步骤。LangChain常用Runnable组合流程：提示模板负责整理用户输入，模型负责生成回答，输出解析器可将结果变成便于程序处理的文本。开发时先逐项运行并查看输出，等每一步正常后再组合，这样比一次写完整套流程更容易定位变量名错误、类型不匹配或接口响应异常。

接入大模型和提示词模板

导入ChatPromptTemplate和ChatOpenAI，创建提示模板，例如设置系统角色为“你是一位耐心的Python老师”，再留出{question}作为用户问题。用prompt | model组合后，调用chain.invoke({“question”: “什么是列表？”})即可得到回答。API密钥由环境变量读取；温度参数可控制回答风格，较低时通常更稳定。记得根据所选模型与平台调整配置。

模板的好处是把固定要求和每次变化的内容分开。你可以在系统提示中规定回答语言、篇幅和格式，在用户模板里只放问题或上下文。测试时多换几种输入，确认占位符名称一致、必填字段都传入。若需要让程序拿到纯文本，可在链末尾接StrOutputParser；结构化输出则应明确字段，并按使用的模型接口配置。

第三步：添加工具调用和记忆

工具让模型可以请求执行确定性的任务，例如查库存、读取内部接口或计算数据。先定义一个Python函数，并用清晰说明描述它能做什么、需要哪些参数，再将函数绑定到支持工具调用的模型。模型可能返回工具调用请求；应用需要根据请求运行对应函数，把结果交回模型生成最终答复。不要让模型直接执行任意代码，工具权限和输入范围要由程序控制。

对话记忆用于让后续轮次参考之前的信息。简单程序可以把历史消息保存在列表里，每次请求时一并发送；服务上线后，则按会话ID存入数据库或缓存，并设置保留期限与容量上限。新版本LangChain的流程组合灵活，记忆实现也随架构不同而变化，建议优先采用当前文档中的消息历史方案，不要照搬旧教程里的传统Memory类。

最后做一轮完整测试：连续提问，检查模型是否正确使用上下文；触发工具，确认参数校验、异常处理和返回结果都正常。记录模型调用耗时与错误，限制单次输入长度，并为接口设置超时和重试。若你希望用国内平台更快搭建工作流，也可以了解01Agent，官网地址：01agent.cgref.cn。本文由润灭整理，实际部署前请按所用模型和LangChain版本检查配置。