概述

LangChain 是目前最流行的 LLM 应用开发框架之一，提供了模型接入、Prompt 管理、Chain 组合和 Agent 编排等完整工具链。本文带你从零开始，完成 LangChain 的安装并构建第一个对话链。

前置条件

• Python 3.9+
• pip 包管理器
• OpenAI 或其他 LLM 提供商的 API Key

核心内容

步骤 1：安装 LangChain

# 安装 LangChain 核心包
pip install langchain langchain-openai

# 或者使用 conda
conda install -c conda-forge langchain

安装完成后验证：

import langchain
print(langchain.__version__)  # 输出: 0.3.x

步骤 2：配置 API Key

import os
from dotenv import load_dotenv

load_dotenv()
os.environ["OPENAI_API_KEY"] = "your-api-key-here"

推荐将 API Key 存储在 .env 文件中，避免硬编码：

# .env
OPENAI_API_KEY=sk-...

步骤 3：创建第一个 ChatModel

from langchain_openai import ChatOpenAI

# 初始化 ChatGPT 模型
llm = ChatOpenAI(
    model="gpt-4o-mini",
    temperature=0.7,
    max_tokens=1000
)

# 直接调用
response = llm.invoke("你好，请用一句话介绍 LangChain")
print(response.content)
# 输出: LangChain 是一个用于构建 LLM 应用的框架...

步骤 4：使用 PromptTemplate

from langchain_core.prompts import ChatPromptTemplate

# 定义提示模板
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个专业的{role}，请用简洁的中文回答"),
    ("human", "{question}")
])

# 格式化并调用
chain = prompt | llm

response = chain.invoke({
    "role": "Python 工程师",
    "question": "什么是装饰器？"
})
print(response.content)

步骤 5：构建完整 Chain

from langchain_core.output_parsers import StrOutputParser

# 添加输出解析器，直接返回字符串
chain = prompt | llm | StrOutputParser()

result = chain.invoke({
    "role": "代码审查员",
    "question": "如何写出可维护的代码？"
})
print(result)  # 直接输出字符串，无需 .content
print(type(result))  # <class 'str'>

完整代码示例

import os
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

os.environ["OPENAI_API_KEY"] = "your-api-key"

# 1. 初始化模型
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.7)

# 2. 定义 Prompt
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个专业的技术助手，回答要简洁准确"),
    ("human", "{input}")
])

# 3. 创建 Chain（LCEL 管道语法）
chain = prompt | llm | StrOutputParser()

# 4. 执行 Chain
response = chain.invoke({"input": "解释什么是 RAG"})
print(response)

# 5. 批量处理
responses = chain.batch([
    {"input": "什么是 LangChain?"},
    {"input": "什么是 LangGraph?"},
])
for r in responses:
    print(r[:50])

验证方法

# 测试 Chain 是否正常工作
try:
    result = chain.invoke({"input": "hello"})
    assert isinstance(result, str)
    assert len(result) > 0
    print("✅ Chain 运行正常")
except Exception as e:
    print(f"❌ 错误: {e}")

常见问题

Q: 安装时出现依赖冲突怎么办？
建议使用虚拟环境：python -m venv venv && source venv/bin/activate

Q: 调用时出现 AuthenticationError？
检查 OPENAI_API_KEY 是否正确设置，并确认 API Key 有余额。

Q: 如何切换到 Anthropic Claude？
安装 langchain-anthropic，将 ChatOpenAI 替换为 ChatAnthropic。

参考资料

• LangChain 官方文档
• LangChain GitHub 仓库
• LangChain 快速入门教程
• LangChain-OpenAI 集成文档
• ChatPromptTemplate API 参考