第1章：LangChain介绍与环境搭建

欢迎来到LangChain入门教程！本章将带你了解LangChain的基本概念，并完成开发环境的搭建。即使你是零基础，也能轻松上手。

1.1 什么是LangChain？

LangChain是一个用于开发大语言模型（LLM）应用的Python/JavaScript框架。简单来说，它是组装LLM应用的"乐高积木"，让你能够把各种功能模块串联起来。

想象一下，你要搭建一座房子：

• 单独的大语言模型就像是一块块散落的砖块
• LangChain则提供了钢筋、水泥、脚手架等工具和连接件
• 让你能快速把砖块搭建成稳固的房子

1.2 为什么要用LangChain？

使用LangChain开发LLM应用，有以下几个显著优势：

1.2.1 简化开发

不用从零写很多重复代码。比如：

• 调用API的封装
• 对话历史的存储和管理
• 提示词（Prompt）的格式化
• 输出结果的解析

这些常用功能LangChain都已经帮你封装好了，开箱即用。

1.2.2 模块化设计

LangChain采用组件化设计，各个模块之间松耦合：

• 可复用：写好一个提示词模板，到处都能用
• 可替换：今天用OpenAI的模型，明天换成Anthropic的，代码改动很小
• 可组合：像搭积木一样，把多个组件组合成复杂的应用

1.2.3 生态丰富

LangChain拥有庞大的生态系统，支持：

• 各种模型：OpenAI、Anthropic、Google、HuggingFace、本地模型等
• 各种数据库：向量数据库（Pinecone、Chroma、FAISS等）、关系型数据库
• 各种工具：搜索引擎、API接口、文件系统、代码执行器等

1.3 LangChain的核心组件

LangChain主要由以下六大核心组件构成：

1.3.1 Model I/O（模型输入输出）

负责与大语言模型进行交互，包括：

• Models：封装各种LLM和Chat Model的调用
• Prompts：提示词模板的管理和格式化
• Output Parsers：将模型输出解析为结构化数据

1.3.2 Chains（链）

Chain是LangChain的核心概念，用于把多个操作串联起来：

• 最简单的Chain：提示词 → 模型 → 输出
• 复杂的Chain：检索文档 → 构建提示词 → 调用模型 → 解析输出
• 链可以嵌套，形成更复杂的逻辑

1.3.3 Indexes（索引）

用于处理外部文档数据，实现检索增强生成（RAG）：

• Document Loaders：加载各种格式的文档（PDF、Word、网页等）
• Text Splitters：将长文档切分成适合处理的片段
• Vector Stores：存储文档的向量表示，支持语义搜索
• Retrievers：从向量库中检索相关文档

1.3.4 Memory（记忆）

让AI应用"记住"之前的对话内容：

• Conversation Buffer Memory：保存完整对话历史
• Conversation Summary Memory：对历史对话进行摘要
• Entity Memory：记住对话中提到的实体信息

1.3.5 Agents（智能体）

让LLM具备自主决策能力：

• Agent根据用户输入，自主决定使用哪些工具
• 可以调用搜索、计算器、API、代码执行等工具
• 实现复杂的推理和任务执行

1.3.6 Callbacks（回调）

用于监控和调试应用：

• 记录每次API调用的耗时和token消耗
• 实时监控链的执行过程
• 集成LangSmith进行生产环境监控

1.4 环境搭建（详细步骤）

现在开始动手搭建开发环境。请按照以下步骤操作：

1.4.1 确认Python版本

LangChain需要Python 3.8或更高版本。打开终端，输入以下命令检查：

# 检查Python版本
python --version
# 或
python3 --version

如果版本低于3.8，请从Python官网下载安装最新版本。

1.4.2 创建虚拟环境（推荐）

为了避免依赖冲突，建议为每个项目创建独立的虚拟环境：

# 创建项目目录
mkdir my_langchain_project
cd my_langchain_project

# 创建虚拟环境
python -m venv venv

# Windows系统激活虚拟环境
venv\Scripts\activate

# Mac/Linux系统激活虚拟环境
source venv/bin/activate

激活成功后，命令行前面会显示 (venv) 标识。

1.4.3 安装LangChain

使用pip安装LangChain核心库：

# 安装LangChain核心库
pip install langchain

# 同时安装社区版（包含更多集成）
pip install langchain-community

1.4.4 安装模型库

根据你使用的模型，安装对应的库。以下是常用选项：

# 如果使用OpenAI模型（推荐入门使用）
pip install openai

# 如果使用Anthropic Claude模型
pip install anthropic

# 如果使用HuggingFace本地模型
pip install transformers
pip install torch

# 如果使用Azure OpenAI
pip install openai

1.4.5 配置API Key

使用环境变量方式存储API Key是最安全的做法：

Windows PowerShell:

# 设置OpenAI API Key（临时，仅当前窗口有效）
$env:OPENAI_API_KEY = "sk-your-api-key-here"

# 永久设置（添加到系统环境变量）
[Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "sk-your-api-key-here", "User")

Mac/Linux (bash/zsh):

# 临时设置
export OPENAI_API_KEY="sk-your-api-key-here"

# 永久设置（添加到 ~/.bashrc 或 ~/.zshrc）
echo 'export OPENAI_API_KEY="sk-your-api-key-here"' >> ~/.bashrc
source ~/.bashrc

使用.env文件（项目级别）:

# 安装python-dotenv
pip install python-dotenv

在项目根目录创建 .env 文件：

OPENAI_API_KEY=sk-your-api-key-here

1.4.6 第一个Hello World程序

环境配置完成后，我们来写第一个程序验证一切正常：

# hello_world.py
# LangChain入门第一个程序

# 导入必要的库
from langchain.llms import OpenAI
from dotenv import load_dotenv
import os

# 加载.env文件中的环境变量
load_dotenv()

# 创建OpenAI模型实例
# temperature控制输出随机性，0.0最确定，1.0最随机
llm = OpenAI(temperature=0.7)

# 调用模型进行预测
response = llm.predict("你好，请介绍一下自己")

# 打印模型输出
print("AI的回答：")
print(response)

运行程序：

python hello_world.py

如果看到AI的回复，恭喜你！环境搭建成功！

1.5 LangChain生态介绍

除了核心库，LangChain还提供了丰富的配套工具：

1.5.1 LangServe

用于将LangChain应用部署为REST API服务：

• 一键将Chain转换为可部署的服务
• 自动生成API文档（基于FastAPI）
• 支持流式输出和批处理

pip install "langserve[all]"

1.5.2 LangSmith

LangChain的官方监控和调试平台：

• 追踪每一次LLM调用（输入、输出、耗时、token消耗）
• 可视化Chain的执行流程
• 评估和测试应用效果
• 支持数据集管理和A/B测试

访问 smith.langchain.com 注册使用。

1.5.3 LangChain Expression Language (LCEL)

LCEL是LangChain的声明式语法，用于组合组件：

• 使用管道符 | 连接各个组件
• 代码更简洁、易读
• 自动支持流式输出和并行执行

LCEL示例：

# LCEL语法示例
from langchain.prompts import ChatPromptTemplate
from langchain.chat_models import ChatOpenAI

# 定义提示词模板
prompt = ChatPromptTemplate.from_template("用一句话介绍{topic}")

# 使用管道符连接组件
chain = prompt | ChatOpenAI()

# 调用链
result = chain.invoke({"topic": "LangChain"})
print(result)

本章小结

恭喜完成第1章的学习！你已经掌握了：

• ✅ LangChain是什么，为什么要用它
• ✅ LangChain的六大核心组件
• ✅ 如何搭建开发环境
• ✅ 运行了第一个Hello World程序
• ✅ LangChain生态系统概览