binma1231. 项目概述
LangChain 是当前最热门的 AI 应用开发框架之一，它让开发者能够快速构建基于大语言模型的智能助手。不同于传统的聊天机器人，基于 LangChain 构建的 AI Agent 具备记忆能力、工具调用能力和复杂任务分解能力，可以完成更高级的交互任务。
我在实际项目中用 LangChain 开发过客服助手、数据分析助手等多种 AI Agent，发现其入门门槛比想象中低很多。只要掌握几个核心概念，5分钟确实能跑通第一个可用的智能助手。下面我就分享这个快速上手指南，包含完整代码和避坑经验。
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 Python 环境配置
建议使用 Python 3.8-3.10 版本，这是 LangChain 最稳定的支持范围。我推荐使用 conda 创建独立环境：
bash复制conda create -n langchain_env python=3.9
conda activate langchain_env
注意：避免使用 Python 3.11+，某些依赖包可能还不兼容
2.2 安装核心依赖
除了 langchain 基础包，还需要安装对应大模型提供商的 SDK。以 OpenAI 为例：
bash复制pip install langchain openai tiktoken
如果计划使用其他功能模块，可以按需安装：
- 文档加载：
pip install pypdf - 向量数据库：
pip install chromadb - 数学计算：
pip install numexpr
3. 第一个智能助手实现
3.1 基础对话实现
创建一个 basic_agent.py 文件：
python复制from langchain.llms import OpenAI
# 初始化模型 (建议将API key放在环境变量中)
llm = OpenAI(temperature=0.7, model_name="gpt-3.5-turbo")
# 简单对话
response = llm("请用中文介绍一下你自己")
print(response)
关键参数说明：
temperature：控制生成随机性（0-1），值越大