前言网上LangChain的教程不少但要么是官方文档的翻译要么上来就扔一堆概念。我看了不少真正能让我从头跑到尾的没几个。这篇文章记录了我自己从零开始搭建LangChain开发环境的过程用的是DeepSeek的API。全程可复现代码也都在。读完你能得到什么搞清楚LangChain到底是什么不是什么本地Python环境搭好能跑起来用原生SDK和LangChain两种方式调通DeepSeek跑通一个能用的课程答疑小助手不废话直接开始。一、LangChain到底是什么官方定义说LangChain是一个构建大模型应用的开源框架。说人话就是它帮你把大模型、提示词、外部工具、记忆能力这些东西组装到一起不用你自己从头造轮子。2022年底LangChain刚出来的时候基本就是提示词模板加模型调用的组合。后来大模型火起来它也跟着快速迭代陆续加入了工具调用、智能体、记忆管理等能力。到2025年LangChain已经形成了一个生态核心是三层结构第一层是基础的LangChain框架负责模型调用和基础组件。第二层是LangGraph用图结构来编排复杂的工作流。第三层是Deep Agent提供现成的智能体模板开箱即用。不过对初学者来说先从第一层入手就够了。等跑通了基础调用再往深了学不迟。需要注意的一个变化是LangChain在2025年发布了1.0正式版。在这之前版本号一直是0.xAPI变动很频繁很多老教程的写法在1.0里已经过时了。你现在开始学刚好避开了那段混乱期。二、为什么用DeepSeek选DeepSeek就一个原因它的API完全兼容OpenAI的接口格式。这意味着你只要改三个配置——API Key、base URL、模型名称——就能用所有支持OpenAI接口的SDK和框架。LangChain也支持。以后如果想换别的模型只要也是OpenAI兼容格式改几行配置就行代码主体不用动。DeepSeek的官方API地址是 api.deepseek.com模型名称目前常用的是 deepseek-v4-flash。三、搭建开发环境Python版本建议3.10或3.11。3.12也能用3.13目前部分包可能还不兼容。我自己用的是3.14目前没遇到问题但不推荐新手用太新的版本。在项目目录下创建虚拟环境python -m venv .venvWindows激活.venv\Scripts\activateMac或Linuxsource .venv/bin/activate然后安装依赖pip install langchain langchain-openai openai python-dotenv如果下载速度慢换国内镜像源pip install langchain langchain-openai openai python-dotenv -i https://pypi.tuna.tsinghua.edu.cn/simple四、配置API Key在项目根目录创建.env文件DEEPSEEK_API_KEY你的DeepSeek API KeyDEEPSEEK_BASE_URLhttps://api.deepseek.comAPI Key要去DeepSeek官网的个人中心生成。同时创建.gitignore文件把.env加进去防止不小心把Key提交到Git仓库。五、第一次调用不用LangChain先别急着上LangChain。直接用OpenAI SDK调一次DeepSeek确认API Key和网络都没问题。创建文件 01_test_api.pyimport osfrom openai import OpenAIfrom dotenv import load_dotenvload_dotenv()client OpenAI(api_keyos.getenv(DEEPSEEK_API_KEY),base_urlos.getenv(DEEPSEEK_BASE_URL))response client.chat.completions.create(modeldeepseek-v4-flash,messages[{role: user, content: 用一句话介绍你自己}])print(response.choices[0].message.content)跑通了再往下。如果报错按顺序检查API Key有没有复制完整有没有多余空格。账户余额够不够。网络能不能访问 api.deepseek.com。base_url是不是写对了。这一步卡住的人不少问题基本出在这四个地方之一。六、用LangChain调用确认API没问题之后用LangChain的方式重写一遍。LangChain早期版本的写法是from langchain_openai import ChatOpenAImodel ChatOpenAI(modeldeepseek-v4-flash,api_keyos.getenv(DEEPSEEK_API_KEY),base_urlos.getenv(DEEPSEEK_BASE_URL))这个写法在1.0里还能用但官方已经不推荐了。新项目建议用init_chat_model这个统一入口。创建文件 02_langchain_call.pyfrom dotenv import load_dotenvfrom langchain.chat_models import init_chat_modelimport osload_dotenv()model init_chat_model(modeldeepseek-v4-flash,model_provideropenai,api_keyos.getenv(DEEPSEEK_API_KEY),base_urlos.getenv(DEEPSEEK_BASE_URL))response model.invoke(用一句话介绍什么是大模型)print(response.content)这里有个容易混淆的点model_provideropenai 不是说你在用OpenAI的模型而是说接口格式兼容OpenAI。DeepSeek用的是这个格式所以填openai。invoke是LangChain里执行模型调用的核心方法记住它就行。七、写一个课程答疑助手光调模型没意思我们做个稍微有点用的东西——一个课程答疑助手的雏形。创建文件 03_course_assistant.pyfrom dotenv import load_dotenvfrom langchain.chat_models import init_chat_modelimport osload_dotenv()model init_chat_model(modeldeepseek-v4-flash,model_provideropenai,api_keyos.getenv(DEEPSEEK_API_KEY),base_urlos.getenv(DEEPSEEK_BASE_URL))def ask_assistant(question):prompt f你是课程答疑助手请用简洁清晰的方式回答学员的问题。如果问题与课程内容无关请礼貌地说明你只回答课程相关问题。学员问题{question}response model.invoke(prompt)return response.contentif __name__ __main__:while True:q input(\n请输入你的问题输入q退出)if q.lower() q:breakprint(\n ask_assistant(q))运行之后输入问题比如LangChain和LangGraph有什么区别模型会基于你设定的提示词来回答。这个示例虽然简单但已经具备了智能体的基本形态接收输入、调用模型、返回结果。后面如果要扩展可以加记忆功能、加外部工具、加提示词模板这个结构都能支撑。八、关于temperature参数调用模型时经常看到temperature这个参数简单说一下怎么用。temperature控制输出结果的随机性取值范围一般是0到2。设为0时每次问同样的问题模型给同样的回答。适合代码生成、数学计算、翻译这类需要确定性的场景。设在0.3到0.7之间输出会有轻微变化但逻辑稳定日常聊天、文案写作、内容总结都在这个区间。设在0.7到1.0之间模型的创造力会明显增强措辞更多变适合故事写作和头脑风暴。超过1.0之后随机性太强容易逻辑混乱基本不用。日常用的话0.5到0.7是个比较稳妥的区间。九、其他模型怎么接如果以后想换成Qwen或者Claude怎么办理论上init_chat_model支持切换model_provider但实际操作中有些模型平台还没被LangChain官方纳入注册表。比如阿里云百炼的Qwen直接写model_providerdashscope会报错因为LangChain不认识这个提供者。这时候需要借助社区扩展包 langchain-communitypip install langchain-community然后用专门的适配器from langchain_community.chat_models import ChatDashScopemodel ChatDashScope(modelqwen-max,dashscope_api_keyos.getenv(DASHSCOPE_API_KEY))所以接入策略可以这样先用init_chat_model能通就通代码最干净。不通就去langchain-community里找对应的适配器。注意版本匹配不然解析响应的时候可能出错。十、常见问题API Key没生效检查.env文件是不是在项目根目录变量名是不是拼写正确代码里有没有调用load_dotenv()。下载依赖慢用清华镜像源或者配置全局pip源。调用失败先跑第五节的原生SDK脚本排除LangChain层面的问题。如果原生SDK能调通LangChain那边大概率是配置问题。如果原生SDK也报错回到API Key、余额、网络这三个方向排查。结语到这里你已经完成了LangChain开发的第一个闭环。虽然还没涉及到Agent、Tool、Memory这些高级话题但基础已经打好了。接下来可以顺着这个方向继续引入Prompt模板让回答更可控。加入对话记忆让助手能记住上下文。用LangGraph把多个步骤串成工作流。不过那是后面的事。先把这篇的代码跑通你已经比很多看了教程没动手的人强了。