陆拾贰號1. LangChain与阿里云嵌入模型集成概述
在智能体开发领域，LangChain已成为连接大语言模型与实际应用的重要桥梁。最近我在开发一个需要处理中文文本相似度计算的Agent项目时，发现阿里云DashScope平台提供的嵌入模型（特别是bge-m3模型）在中文场景下表现出色。本文将详细介绍如何通过LangChain框架调用阿里云嵌入模型服务，包括从环境配置到实际集成的完整流程。
这个方案特别适合需要处理中文语义理解、文本检索或智能问答系统的开发者。相比直接调用原生API，通过LangChain集成可以获得更好的可扩展性——既能直接用于RAG（检索增强生成）流程，也能方便地与其他LangChain组件（如记忆模块、工具调用等）配合构建复杂Agent系统。
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. 环境准备与基础配置
2.1 阿里云DashScope账号设置
首先需要开通阿里云DashScope服务：
- 登录阿里云控制台，搜索"DashScope"进入服务页面
- 开通服务后，在"API-KEY管理"页面创建新的API密钥
- 记录下生成的API_KEY，这是我们后续调用的凭证
重要提示：阿里云目前提供免费额度（新用户100万tokens），超出后按0.01元/千tokens计费。建议在测试阶段通过控制台设置用量告警。
2.2 Python环境安装
推荐使用conda创建独立环境：
bash复制conda create -n langchain-aliyun python=3.9
conda activate langchain-aliyun
pip install langchain dashscope
如果遇到网络问题，可以临时使用阿里云PyPI镜像：
bash复制pip install -i https://mirrors.aliyun.com/pypi/simple/ langchain dashscope
3. LangChain集成阿里云嵌入模型
3.1 基础调用实现
创建embedding.py文件，实现基础调用：
python复制from langchain_community.embeddings import DashScopeEmbeddings
import os
o