1. LangChain 框架入门与实践
LangChain 是一个专门用于构建大语言模型(LLM)应用的框架,它通过提供丰富的组件和链式(Chain)操作方式,让开发者能够快速构建基于大语言模型的应用程序。作为一个长期从事AI开发的工程师,我发现LangChain真正强大的地方在于它将复杂的LLM交互过程抽象成了简单易用的模块。
1.1 环境配置与安装
要开始使用LangChain,首先需要安装基础框架和相应的模型适配器。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
然后安装LangChain核心库:
bash复制pip install langchain langchain-community
根据你要使用的大模型,还需要安装对应的适配器。目前主流的大模型都支持:
bash复制# 阿里云通义千问
pip install langchain-qwq
# OpenAI ChatGPT
pip install langchain-openai
# Hugging Face 模型
pip install langchain-huggingface
注意:不同模型需要不同的API密钥,建议将这些密钥存储在环境变量中,而不是直接硬编码在代码里。
1.2 第一个LangChain应用
让我们从一个简单的例子开始,使用通义千问模型:
python复制import os
from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
# 设置API密钥
os.environ["DASHSCOPE_API_KEY"] = "your_api_key_here"
# 初始化模型
model = ChatTongyi(model="qwen-plus")
# 构建提示模板
prompt = ChatPromptTemplate.from_messages([
("system", "你是一个精通{topic}的资深技术专家。"),
("user", "请用三句话解释一下什么是{concept}。")
])
# 创建处理链
output_parser = StrOutputParser()
chain = prompt | model | output_parser
# 调用模型
response = chain.invoke({"topic": "Python", "concept": "列表"})
print(response)
这段代码展示了LangChain最基本的三个组件:模型(Model)、提示模板(Prompt Template)和输出解析器(Output Parser),它们通过"|"运算符连接成一个处理链(Chain)。
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. LangChain核心组件详解
2.1 模型(Model)组件
LangChain支持多种大语言模型,每种模型的初始化方式略有不同:
python复制# 通义千问
from langchain_community.chat_models.tongyi import ChatTongyi
model = ChatTongyi(model="qwen-plus")
# OpenAI ChatGPT
from lang
