目录1 LangChain 基础介绍1.1 什么是 LangChain1.1.1 为什么需要 LangChain1.1.2 LangChain 包结构1.2 LangChain 四大核心模块2 项目环境准备2.1 .env 文件管理密钥项目推荐2.2 Windows 全局环境变量学习使用3 Model I/O 模型调用实战3.1 调用在线大模型OpenAI 兼容接口3.1 OpenAI 原生 SDK 调用3.2 LangChain 统一调用模型3.3 消息类型System/Human/AI/Tool3.4 四种调用方式3.2 本地模型 Ollama 部署调用3.1 Ollama 介绍3.3 LangChain 调用 Ollama 本地模型4 本章小结1 LangChain 基础介绍1.1 什么是 LangChainLangChain 2022 年 10 月发布早于 ChatGPT是主流 LLM 应用开发开源框架统一封装各类大模型、工具、知识库能力快速搭建问答、RAG、Agent 智能体。 官方地址Githubhttps://github.com/langchain-ai/langchain官网https://www.langchain.com/langchain1.1.1 为什么需要 LangChain原生 LLM API 存在诸多局限知识滞后无法获取实时信息不能读取企业私有文档无法联网、查询数据库、调用第三方接口输出不稳定难结构化直接调用各家 API 学习成本高LangChain 提供统一标准接口切换模型零成本内置 Agent、RAG 完整方案。1.1.2 LangChain 包结构表格包名作用langchain主包高层应用组件langchain-core底层统一抽象、Runnable 标准langchain-openai/langchain-deepseek各家模型集成包langchain-text-splitters文档切分工具langchain-mcp-adaptersMCP 协议工具适配1.2 LangChain 四大核心模块1 Model I/O模型输入输出标准化提示模板、调用、输出解析 2 ChainsLCEL 链式组合串联多个步骤 3 RetrievalRAG文档加载、切片、向量库检索 4 Agents自主智能体可规划任务、调用工具2 项目环境准备1 新建 conda 虚拟环境Python3.12conda create -n langchain python3.12 conda activate langchain2 安装基础依赖pip install langchain langchain-core python-dotenv3 配置 API 密钥管理2.1 .env 文件管理密钥项目推荐项目根目录新建.envOPENAI_API_KEYsk-xxx OPENAI_BASE_URLhttps://xxx/v1 DEEPSEEK_API_KEYsk-xxx读取代码from dotenv import load_dotenv import os load_dotenv() api_key os.getenv(OPENAI_API_KEY)注意.env 不要提交 git2.2 Windows 全局环境变量学习使用Win 搜索「编辑系统环境变量」在用户变量新建 KEY、BASE_URL 字段重启终端生效。3 Model I/O 模型调用实战3.1 调用在线大模型OpenAI 兼容接口3.1 OpenAI 原生 SDK 调用from openai import OpenAI import os from dotenv import load_dotenv load_dotenv() client OpenAI(base_urlos.getenv(OPENAI_BASE_URL),api_keyos.getenv(OPENAI_API_KEY)) # ChatCompletion 传统接口 res client.chat.completions.create( modelgpt-4o-mini, messages[{role:user,content:你好}] ) print(res.choices[0].message.content)3.2 LangChain 统一调用模型两种初始化方式init_chat_model / ChatOpenAIfrom langchain.chat_models import init_chat_model llm init_chat_model( modelgpt-4o-mini, model_provideropenai, base_urlos.getenv(OPENAI_BASE_URL), api_keyos.getenv(OPENAI_API_KEY), temperature0 ) resp llm.invoke(你好) print(resp.content)3.3 消息类型System/Human/AI/Toolfrom langchain_core.messages import SystemMessage,HumanMessage res llm.invoke([ SystemMessage(content你是Python专家), HumanMessage(content写快速排序) ])3.4 四种调用方式1 同步 invoke单次问答 2 异步 ain高并发服务使用 3 stream 流式打字机实时输出 4 batch 批量一次性处理多条问题3.2 本地模型 Ollama 部署调用3.1 Ollama 介绍本地开源大模型运行工具一键下载运行 Qwen、DeepSeek 等开源模型支持 LangChain 无缝集成。1 官网下载 Windows/Mac/Linux 客户端 2 命令拉取模型ollama run qwen3:8b3 修改模型存储路径避免 C 盘占用3.3 LangChain 调用 Ollama 本地模型pip install langchain-ollama from langchain_ollama import ChatOllama llm ChatOllama(modelqwen3:8b,base_urlhttp://localhost:11434) res llm.invoke(介绍LangChain) print(res.content)4 本章小结1 LangChain 四大核心Model I/O、Chains、RAG、Agents 2 密钥统一用.env 文件管理避免硬编码泄露 3 在线模型统一使用兼容 OpenAI 接口调用 4 Ollama 快速本地运行开源大模型适合离线开发