1. LangChain 快速入门:用通义千问构建你的第一个 AI 应用
最近在折腾大语言模型应用开发,发现 LangChain 这个框架确实能大幅提升开发效率。今天就用通义千问(Qwen)作为示例,带大家快速上手 LangChain 的核心功能。不同于官方文档的抽象说明,我会结合自己踩过的坑,分享最实用的操作指南。
LangChain 的核心价值在于它提供了一套标准化组件,让我们可以用搭积木的方式构建 AI 应用。不用再重复造轮子处理 prompt 模板、模型调用、输出解析这些琐事,专注在业务逻辑上就行。下面这个示例虽然简单,但已经包含了 LangChain 最关键的几个概念。
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
建议使用 Python 3.8+ 环境,我实测 3.10 版本兼容性最好。先创建一个干净的虚拟环境:
bash复制python -m venv langchain-demo
source langchain-demo/bin/activate # Linux/Mac
# 或者 langchain-demo\Scripts\activate # Windows
2.2 安装核心依赖
LangChain 采用模块化设计,按需安装所需组件:
bash复制pip install langchain-core langchain-community
这里有个容易踩的坑:不要直接 pip install langchain,这个元包会安装所有依赖,可能导致版本冲突。应该按需安装具体组件。
2.3 模型供应商选择
根据要对接的模型安装对应包:
bash复制# 通义千问
pip install langchain-qianwen
# 如果要换其他模型
# pip install langchain-openai # ChatGPT
# pip install langchain-huggingface # HuggingFace
注意:不同模型的 API Key 获取方式不同。通义千问需要在阿里云控制台申请,免费额度足够日常开发使用。
3. 第一个 LangChain 应用
3.1 初始化模型
python复制import
