LangChain框架入门：快速开发大语言模型应用

1. 从零开始玩转LangChain：快速上手大语言模型应用开发

作为一名长期混迹AI开发圈的老兵，最近被问得最多的问题就是："如何快速搭建一个靠谱的大语言模型应用？"今天我要分享的LangChain框架，绝对是当前最值得投入学习的LLM开发利器。它就像乐高积木一样，让你用标准化组件快速搭建出功能强大的AI应用。

LangChain的核心价值在于解决了大模型应用开发中的三大痛点：首先，它提供了丰富的Prompt模板库，省去了反复调试提示词的烦恼；其次，通过Chain的管道式设计，让复杂流程变得像搭积木一样简单；最后，其统一的接口规范让我们可以无缝切换不同的大模型。下面我就带大家从环境配置开始，手把手教你用通义千问(Qwen)搭建第一个可运行的LLM应用。

提示：本文所有代码示例基于Python 3.8+环境，建议使用Jupyter Notebook或VS Code进行实操。

1.1 环境准备与依赖安装

在开始之前，我们需要配置好Python开发环境。我个人推荐使用conda创建独立的虚拟环境，避免依赖冲突：

bash复制conda create -n langchain-demo python=3.8
conda activate langchain-demo

接下来安装核心依赖包。LangChain采用模块化设计，基础包只包含核心功能，针对不同大模型需要安装对应的适配器：

bash复制# 安装LangChain核心库
pip install langchain langchain-core

# 安装社区维护的模型适配器
pip install langchain-community

# 安装通义千问适配器
pip install langchain-qwq

这里解释下各包的作用：

• langchain：框架核心，包含Chain、Memory等基础组件
• langchain-core：基础接口和抽象类定义
• langchain-community：第三方模型和工具集成
• langchain-qwq：通义千问专用适配器

注意：如果使用其他模型如OpenAI或HuggingFace，需要安装对应的适配器（如langchain-openai）。本文以通义千问为例，因为它的API免费且对中文支持较好。

2. 第一个LangChain应用实战

2.1 初始化大语言模型

首先我们需要获取通义千问的API Key。登录阿里云DashScope控制台（https://dashscope.aliyun.com/），在"API-KEY管理"页面可以创建免费的API Key。

python复制import os
from langchain_community.chat_models.tongyi import ChatTongyi

# 设置API Key（实际使用时建议用环境变量或配置文件管理）
os.environ["DASHSCOPE_API_KEY"] = "你的API_KEY"

# 初始化模型（qwen-turbo为免费版，qwen-plus需付费）
model = ChatTongyi(model="qwen-turbo")

这里有几个关键点需要注意：

1. API Key不要直接硬编码在代码中，生产环境建议使用dotenv等工具管理
2. qwen-turbo是免费版本，适合学习和测试；qwen-plus性能更强但需要付费
3. 模型初始化参数可以根据需要调整temperature等参数（控制输出随机性）

2.2 构建Prompt模板

LangChain最强大的功能之一就是提供了灵活的Prompt模板系统。下面我们创建一个包含系统指令和用户问题的模板：

python复制from l