LangChain怎麼用 AI應用開發框架入門教程

LangChain是常用的AI應用開發框架，可以把大模型、提示詞、工具呼叫和對話狀態組織成一套流程，幫助開發者搭建聊天機器人、問答應用和智慧代理。入門時先做一個能回答問題的簡單程式，再逐步接入外部工具與記憶功能。下面以Python為例，帶你從安裝到執行，熟悉基本開發步驟。

第一步：安裝LangChain

先確認電腦已安裝Python，再開啟終端建立專案目錄，並建議使用虛擬環境隔離依賴。執行python -m venv .venv建立環境，隨後啟用它：Windows執行.venv\Scripts\activate，macOS或Linux執行source .venv/bin/activate。接著安裝核心包和模型適配包：pip install langchain langchain-openai。安裝後可用pip show langchain檢查是否成功。

呼叫雲端模型通常還需要對應服務商的API金鑰。把金鑰放進環境變數OPENAI_API_KEY，不要直接寫進程式碼或提交到公開倉庫；模型名稱則要替換成你帳號可用的型號。如果使用相容OpenAI介面的本地服務，也可以配置其服務地址和憑證。先檢查依賴與金鑰，再執行示例，出錯時更容易判斷是安裝問題還是介面配置問題。

第二步：搭建第一個對話鏈

新建main.py，先寫一個最小可執行示例：匯入ChatOpenAI，建立模型例項，然後呼叫invoke傳送一句測試問題，並列印返回內容。比如詢問“用一句話解釋什麼是向量資料庫”。首次執行需要網路訪問模型服務，等待片刻後終端會顯示回答。若提示缺少金鑰，回到環境變數設定；若模型名無效，就換成服務商當前支援的名稱。

確認基本呼叫成功後，再把輸入和模型處理拆成清楚的步驟。LangChain常用Runnable組合流程：提示模板負責整理使用者輸入，模型負責生成回答，輸出解析器可將結果變成便於程式處理的文字。開發時先逐項執行並檢視輸出，等每一步正常後再組合，這樣比一次寫完整套流程更容易定位變數名錯誤、型別不匹配或介面響應異常。

接入大模型和提示詞模板

匯入ChatPromptTemplate和ChatOpenAI，建立提示模板，例如設定系統角色為“你是一位耐心的Python老師”，再留出{question}作為使用者問題。用prompt | model組合後，呼叫chain.invoke({“question”: “什麼是列表？”})即可得到回答。API金鑰由環境變數讀取；溫度引數可控制回答風格，較低時通常更穩定。記得根據所選模型與平臺調整配置。

模板的好處是把固定要求和每次變化的內容分開。你可以在系統提示中規定回答語言、篇幅和格式，在使用者模板裡只放問題或上下文。測試時多換幾種輸入，確認佔位符名稱一致、必填欄位都傳入。若需要讓程式拿到純文字，可在鏈末尾接StrOutputParser；結構化輸出則應明確欄位，並按使用的模型介面配置。

第三步：新增工具呼叫和記憶

工具讓模型可以請求執行確定性的任務，例如查庫存、讀取內部介面或計算資料。先定義一個Python函式，並用清晰說明描述它能做什麼、需要哪些引數，再將函式綁定到支援工具呼叫的模型。模型可能返回工具呼叫請求；應用需要根據請求執行對應函式，把結果交回模型生成最終答覆。不要讓模型直接執行任意程式碼，工具權限和輸入範圍要由程式控制。

對話記憶用於讓後續輪次參考之前的資訊。簡單程式可以把歷史訊息儲存在列表裡，每次請求時一併傳送；服務上線後，則按會話ID存入資料庫或快取，並設定保留期限與容量上限。新版本LangChain的流程組合靈活，記憶實現也隨架構不同而變化，建議優先採用當前文件中的訊息歷史方案，不要照搬舊教程裡的傳統Memory類。

最後做一輪完整測試：連續提問，檢查模型是否正確使用上下文；觸發工具，確認引數校驗、異常處理和返回結果都正常。記錄模型呼叫耗時與錯誤，限制單次輸入長度，併為介面設定超時和重試。若你希望用國內平臺更快搭建工作流，也可以瞭解01Agent，官網地址：01agent.cgref.cn。本文由潤滅整理，實際部署前請按所用模型和LangChain版本檢查配置。