About Nature1. LangChain 快速入门：用通义千问构建你的第一个 AI 应用
最近在开发 AI 应用时，我发现 LangChain 这个框架确实能大幅提升开发效率。作为一个专门用于构建大语言模型应用的框架，它通过组件化和链式调用的方式，让原本复杂的 AI 应用开发变得简单直观。今天我就以通义千问为例，带大家快速上手 LangChain 的核心用法。
LangChain 的核心价值在于它提供了一套标准化的组件和流程。想象一下，如果你要开发一个 AI 应用，通常需要处理提示词模板、模型调用、输出解析等一系列繁琐的工作。而 LangChain 把这些都封装成了可复用的模块，开发者只需要像搭积木一样把它们组合起来就行。下面我们就从环境配置开始，一步步构建一个能实际运行的 AI 应用。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与安装
2.1 基础环境配置
在开始之前，确保你的 Python 环境是 3.8 或更高版本。我推荐使用虚拟环境来管理依赖：
bash复制python -m venv langchain-env
source langchain-env/bin/activate # Linux/Mac
# 或者
langchain-env\Scripts\activate # Windows
2.2 安装核心依赖
LangChain 采用模块化设计，核心包只包含基础功能，特定模型的支持需要额外安装：
bash复制pip install langchain langchain-community
对于通义千问模型，我们还需要安装专门的适配器：
bash复制pip install langchain-qwq
注意：不同模型的安装包名称不同。比如 OpenAI 的是
langchain-openai，Hugging Face 的是langchain-huggingface。务必根据你要使用的模型选择正确的包。
2.3 获取 API 密钥
使用通义千问需要先在阿里云 DashScope 平台申请 API Key：
- 访问 DashScope 官网
- 注册/登录账号
- 在控制台创建 API Key
- 记录下这个 Key，我们稍后会用到
3. 构建第一个 AI 应用
3.1 初始化模型
让我们从最简单的例子开始 - 让 AI 用三句话解释一个技术概念。首先创建模型实例：
python复制import os
from langchain_community.chat_models.tongyi import ChatTongyi
# 设置 API Key
os.environ["DASHSCOPE_API_KEY"] = "你的API_KEY"
# 创建模型实例
model = ChatTongyi(model="qwen-plus")
这里有几个关键点需要注意：
qwen-plus是通义千问的付费版本，性能更强。免费用户可以使用qwen-turbo- API Key 建议通过环境变量设置，不要硬编码在代码中
- 模型初始化参数会根据不同提供商而变化，比如 OpenAI 需要传 `tempera