当前位置：首页 > news >正文

初学者学LangChain 简单易上手——入门指南

news 2026/7/22 5:08:24

前言

大家好，我是一名从事AI应用开发的工程师。最近团队来了不少新人，问得最多的就是：“LangChain到底怎么学？感觉好复杂啊！”

说实话，我当初刚接触LangChain的时候也是一脸懵——各种概念满天飞，文档看了半天不知道从哪下手。后来在工作中踩了不少坑，慢慢摸索出了一套适合初学者的学习路径。

今天我就把这套方法分享出来，不讲废话，直接上手，让你在一篇文章里把LangChain跑起来！

一、LangChain是什么？为什么大厂都在用它？

先给个最直白的定义：LangChain是一个帮你把大模型（比如GPT、通义千问等）和各种工具、数据连接起来的框架。

在没有LangChain之前，我们要调用大模型做复杂任务，得自己写很多“胶水代码”：处理Prompt模板、管理对话记忆、实现工具调用、编排多步骤流程。而LangChain把这些模式都抽象成了标准组件，你只需要像搭乐高积木一样把组件拼起来就行。

为什么大厂都在用？主要有三个原因：

模块化：组件可以灵活组合，快速搭建复杂应用
统一接口：切换不同的大模型（OpenAI、通义千问、DeepSeek等）只需要改一行代码
生态丰富：社区活跃，各种现成的解决方案可以直接用

二、环境搭建（新手必看，这里有个大坑！）

2.1 Python环境

LangChain要求Python 3.8或更高版本。建议直接用Python 3.10+，低版本在某些组件上会有奇怪的兼容性问题。

bash # 检查你的Python版本 python --version

2.2 创建虚拟环境（强烈推荐）

bash # 创建虚拟环境 python -m venv langchain-env # 激活虚拟环境（Windows） langchain-env\Scripts\activate # 激活虚拟环境（Mac/Linux） source langchain-env/bin/activate

2.3 ⚠️ 安装LangChain（这里有个大坑！）

很多新手上来就运行pip install langchain，然后写代码时报错ModuleNotFoundError: No module named 'langchain_openai'。

问题出在哪？LangChain这个包早就被拆分了。你只装了主包，但具体和大模型对接的功能都在别的包里。

正确的安装方式：

bash # 一步到位，安装常用组件 pip install langchain langchain-openai python-dotenv # 如果你用的是国产大模型（比如通义千问、智谱等） pip install langchain langchain-community

LangChain生态主要有这几个包：

langchain：主包，包含链、记忆等核心抽象
langchain-core：最底层的基础接口
langchain-community：社区维护的第三方集成
langchain-openai：OpenAI模型的专用包

2.4 配置API Key

千万别把API Key硬编码在代码里！正确做法是使用环境变量。

创建.env文件：

bash # 一步到位，安装常用组件 pip install langchain langchain-openai python-dotenv # 如果你用的是国产大模型（比如通义千问、智谱等） pip install langchain langchain-community

然后在代码中加载：

bash # 一步到位，安装常用组件 pip install langchain langchain-openai python-dotenv # 如果你用的是国产大模型（比如通义千问、智谱等） pip install langchain langchain-community

三、Hello World——第一个LangChain程序

环境配好了，我们来写第一个程序！

3.1 最简版本：调用大模型

python from langchain_openai import ChatOpenAI from dotenv import load_dotenv import os # 加载环境变量 load_dotenv() # 初始化模型 model = ChatOpenAI( model="gpt-3.5-turbo", temperature=0.7 # 控制创造性，0~1之间 ) # 调用模型 response = model.invoke("你好，请用一句话介绍LangChain") print(response.content)

运行这段代码，你就能看到大模型的回复了！

知识点：

ChatOpenAI是LangChain提供的聊天模型封装
temperature参数：越低回答越保守确定，越高越有创造性
invoke()是阻塞式调用，会等待完整结果返回

四、LangChain核心三件套

LangChain的核心就三样东西，搞懂这三样你就入门了：

4.1 大模型（Model）

就是那个负责“说话”的东西。LangChain封装了对各种大模型的调用，让你用统一的API去调用不同的模型。

python from langchain_openai import ChatOpenAI # 用OpenAI model = ChatOpenAI(model="gpt-3.5-turbo") # 换成DeepSeek只需要改一行 # from langchain_deepseek import ChatDeepSeek # model = ChatDeepSeek(model="deepseek-chat")

4.2 提示词模板（Prompt Template）

你每次问模型的问题，大部分时候只是其中几个关键词在变。模板就是帮你把这种重复劳动抽象出来。

python from langchain.prompts import ChatPromptTemplate # 定义一个翻译模板 template = ChatPromptTemplate.from_messages([ ("system", "你是一个专业的翻译助手"), ("user", "把下面的文字翻译成英文：{text}") ]) # 使用时填入变量 messages = template.format_messages(text="你好，世界！")

五、实战：构建一个简单的翻译助手

我们来做一个完整的翻译助手，把上面学的都用上：

python from langchain.prompts import ChatPromptTemplate from langchain_openai import ChatOpenAI from langchain_core.output_parsers import StrOutputParser from dotenv import load_dotenv import os # 1. 加载环境变量 load_dotenv() # 2. 初始化模型 model = ChatOpenAI( model="gpt-3.5-turbo", temperature=0.3 ) # 3. 定义提示词模板 prompt = ChatPromptTemplate.from_messages([ ("system", "你是一个专业的{language}翻译专家，只输出翻译结果，不要添加任何解释。"), ("user", "请将以下内容翻译成{language}：{text}") ]) # 4. 创建链 chain = prompt | model | StrOutputParser() # 5. 运行 def translate(text, language="英文"): result = chain.invoke({ "language": language, "text": text }) return result # 测试 print(translate("你好，欢迎学习LangChain！")) # 输出: Hello, welcome to learn LangChain! print(translate("今天天气真好，我们出去玩吧", "日文")) # 输出: 今日は天気がいいですね、遊びに行きましょう

这个例子展示了LangChain的核心工作流：