Chuoer47's Blog

Appearance

LangChain 概述与环境搭建 ​

1. LangChain 是什么 ​

LangChain 是一个用于构建 LLM（大语言模型）应用的开源框架。它提供了一整套工具和抽象，让开发者能够将大语言模型与外部数据、工具和工作流结合起来，构建复杂的 AI 应用。

核心价值 ​

  • 标准化接口：统一封装了各种 LLM 提供商（OpenAI、Anthropic、Google 等）的 API，切换模型只需改一行代码
  • 组件化架构：模型、提示词、检索、工具等模块可自由组合
  • LCEL 表达式语言：用管道运算符 | 声明式地构建处理链
  • 生态丰富：数百个集成组件，覆盖文档加载、向量存储、工具调用等场景

典型应用场景 ​

场景说明
RAG 检索增强生成基于私有知识库的问答系统
AI Agent具备工具调用能力的自主代理
对话系统带记忆的多轮对话
数据分析自然语言查询数据库/文档
内容生成结构化文本生成、翻译、摘要

2. 架构概览 ​

LangChain 采用模块化的分层架构：

┌─────────────────────────────────────────────────┐
│                   应用层                          │
│         LangGraph / LangServe / 应用代码          │
├─────────────────────────────────────────────────┤
│                   链与代理层                       │
│        Chains / Agents / Retrieval               │
├─────────────────────────────────────────────────┤
│               LCEL 表达式语言                      │
│     Runnable 协议 | 管道运算符 | 并行/分支          │
├─────────────────────────────────────────────────┤
│                   组件层                          │
│  Models | Prompts | Output Parsers | Tools       │
│  Retrievers | Vector Stores | Memory             │
├─────────────────────────────────────────────────┤
│               langchain-core                     │
│         基础抽象、接口定义、运行时                   │
└─────────────────────────────────────────────────┘

核心包 ​

包名作用
langchain-core基础抽象和接口（Runnable、LCEL）
langchain链、Agent、检索策略等高级组件
langchain-community第三方集成（LLM、向量存储、工具等）
langchain-text-splitters文本分割工具
langchain-openaiOpenAI 专用集成
langchain-anthropicAnthropic (Claude) 专用集成
langchain-google-genaiGoogle Gemini 专用集成

TIP

从 v0.3 开始，各 LLM 提供商的集成被拆分为独立的 langchain-xxx 包。不再通过 langchain.chat_models 导入，而是使用 langchain_openai、langchain_anthropic 等专用包。

3. 环境搭建 ​

3.1 安装 Python 环境 ​

bash
# 推荐 Python 3.10+
python --version  # 确保 >= 3.9

# 创建虚拟环境
python -m venv langchain-env
source langchain-env/bin/activate  # Linux/macOS
# langchain-env\Scripts\activate   # Windows

3.2 安装 LangChain ​

bash
# 核心包（必装）
pip install langchain langchain-core

# 按需安装 LLM 提供商
pip install langchain-openai          # OpenAI GPT 系列
pip install langchain-anthropic       # Anthropic Claude 系列
pip install langchain-google-genai    # Google Gemini 系列

# 社区集成（可选，包含更多第三方工具）
pip install langchain-community

# 文本分割（RAG 场景需要）
pip install langchain-text-splitters

3.3 配置 API Key ​

大多数 LLM 需要 API Key，推荐通过环境变量配置：

bash
# OpenAI
export OPENAI_API_KEY="sk-xxxxxxxxxxxxxxxxxxxx"

# Anthropic (Claude)
export ANTHROPIC_API_KEY="sk-ant-xxxxxxxxxxxxxxxxxxxx"

# Google Gemini
export GOOGLE_API_KEY="AIzaxxxxxxxxxxxxxxxxxxxx"

也可以使用 .env 文件 + python-dotenv 管理：

bash
pip install python-dotenv
env
# .env 文件
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxxxxxxxxxx
python
from dotenv import load_dotenv
load_dotenv()  # 自动读取 .env 文件

4. 快速上手 ​

4.1 第一个 LangChain 程序 ​

python
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage

# 创建模型实例
llm = ChatOpenAI(model="gpt-4o-mini")

# 直接调用
response = llm.invoke([HumanMessage(content="你好，请用一句话介绍LangChain")])
print(response.content)

4.2 使用 Prompt Template ​

python
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

# 创建提示词模板
prompt = ChatPromptTemplate.from_template(
    "请用{language}写一首关于{topic}的五言绝句"
)

# 创建模型
llm = ChatOpenAI(model="gpt-4o-mini")

# 组合链
chain = prompt | llm

# 调用
result = chain.invoke({"language": "中文", "topic": "春天"})
print(result.content)

4.3 使用 LCEL 管道 ​

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

prompt = ChatPromptTemplate.from_template("用一句话解释什么是{concept}")
llm = ChatOpenAI(model="gpt-4o-mini")
parser = StrOutputParser()

# 用管道运算符组合
chain = prompt | llm | parser

result = chain.invoke({"concept": "量子计算"})
print(result)  # 直接输出字符串

4.4 流式输出 ​

python
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage

llm = ChatOpenAI(model="gpt-4o-mini")

# 流式输出
for chunk in llm.stream([HumanMessage(content="写一个短故事")]):
    print(chunk.content, end="", flush=True)

5. 版本演进与迁移 ​

5.1 v0.1 → v0.3 的主要变化 ​

变化v0.1 (旧)v0.3 (新)
Pydanticv1v2（v1 已废弃）
集成导入langchain.chat_modelslangchain_openai 等独立包
链构建LLMChain、SequentialChainLCEL 管道 |
AgentAgentExecutorLangGraph StateGraph
MemoryConversationBufferMemoryLangGraph checkpointer
Python≥ 3.8≥ 3.9

5.2 旧代码迁移示例 ​

旧写法（已废弃）：

python
# ❌ 不推荐
from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate
from langchain.chat_models import ChatOpenAI

chain = LLMChain(
    llm=ChatOpenAI(),
    prompt=PromptTemplate.from_template("Tell me about {topic}")
)
result = chain.run(topic="AI")

新写法（LCEL）：

python
# ✅ 推荐
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import StrOutputParser

chain = (
    ChatPromptTemplate.from_template("Tell me about {topic}")
    | ChatOpenAI()
    | StrOutputParser()
)
result = chain.invoke({"topic": "AI"})

6. LangSmith 调试追踪 ​

LangSmith 是 LangChain 官方的可观测性平台，用于追踪、调试和评估 LLM 应用。

6.1 配置 ​

bash
pip install langsmith
bash
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY="lsv2_xxxxxxxxxxxxxxxx"
export LANGCHAIN_PROJECT="my-project"  # 可选，项目名称

6.2 自动追踪 ​

配置环境变量后，所有 LangChain 调用会自动发送追踪数据到 LangSmith：

python
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

# 这些调用会自动被 LangSmith 追踪
prompt = ChatPromptTemplate.from_template("说一个关于{topic}的笑话")
llm = ChatOpenAI(model="gpt-4o-mini")
chain = prompt | llm

result = chain.invoke({"topic": "程序员"})
# 在 langsmith.com 上可以看到完整的调用链

TIP

LangSmith 有免费额度，个人开发和学习完全够用。在 smith.langchain.com 注册即可。

7. 常见问题 ​

Q1: 安装后导入报错 ​

ModuleNotFoundError: No module named 'langchain_openai'

解决：LLM 集成已拆分为独立包，需要单独安装：

bash
pip install langchain-openai

Q2: API Key 不生效 ​

python
# 方式一：环境变量（推荐）
import os
os.environ["OPENAI_API_KEY"] = "sk-xxx"

# 方式二：直接传参
llm = ChatOpenAI(api_key="sk-xxx")

# 方式三：使用 .env 文件
from dotenv import load_dotenv
load_dotenv()

Q3: 国内网络访问问题 ​

python
# 配置代理
import os
os.environ["OPENAI_API_BASE"] = "https://your-proxy.com/v1"

# 或使用国内兼容的 LLM（如通义千问、文心一言）
# 安装对应集成包即可

Q4: 如何选择模型 ​

模型适用场景价格
gpt-4o-mini日常对话、简单任务便宜
gpt-4o复杂推理、代码生成中等
claude-sonnet-4-20250514长文本、分析中等
gemini-2.0-flash快速响应、多模态便宜

总结 ​

知识点要点
LangChain 定位LLM 应用开发框架
核心包langchain-core、langchain、langchain-community
安装pip install langchain langchain-openai
配置环境变量设置 API Key
旧 → 新LLMChain → LCEL 管道 |
调试LangSmith 自动追踪