Tutorial 1: LangChain 入门
什么是 LangChain？
LangChain 是一个用于开发由大语言模型（LLM）驱动的应用程序的框架。它提供了：
模块化组件：可组合的抽象层，用于处理语言模型
链式调用：将多个组件串联成复杂的工作流
Agent 能力：让 LLM 能够使用工具并做出决策
记忆系统：在对话中保持上下文
核心概念
概念 |
说明 |
类比 |
|---|---|---|
LLM/Chat Model |
语言模型接口，处理文本生成 |
大脑 |
Prompt Template |
动态构建提示词的模板 |
问题模板 |
Chain |
将多个组件串联的管道 |
流水线 |
Agent |
能够使用工具并决策的智能体 |
员工 |
Tool |
Agent 可以调用的外部功能 |
工具箱 |
Memory |
存储和检索对话历史 |
记忆 |
安装配置
1. 安装 LangChain
pip install langchain langchain-openai langchain-community
2. 配置 API Key
import os
os.environ["OPENAI_API_KEY"] = "your-api-key-here"
# 或者使用 .env 文件
from dotenv import load_dotenv
load_dotenv()
第一个 LangChain 程序
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
# 初始化模型
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.7)
# 发送消息
messages = [HumanMessage(content="你好，请用一句话介绍自己")]
response = llm.invoke(messages)
print(response.content)
LangChain 架构概览
┌─────────────────────────────────────────────────────┐
│ Application │
├─────────────────────────────────────────────────────┤
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌────────┐ │
│ │ Chains │ │ Agents │ │ Memory │ │ RAG │ │
│ └────┬────┘ └────┬────┘ └────┬────┘ └───┬────┘ │
│ │ │ │ │ │
│ ┌────┴────────────┴────────────┴────────────┴────┐ │
│ │ LangChain Core │ │
│ │ (Prompts, LLMs, Output Parsers, Tools) │ │
│ └────────────────────┬───────────────────────────┘ │
│ │ │
│ ┌────────────────────┴───────────────────────────┐ │
│ │ Model Providers & Integrations │ │
│ │ (OpenAI, Anthropic, HuggingFace, etc.) │ │
│ └────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────┘
自媒体 Agent 项目预览
在接下来的教程中，我们将逐步构建一个自媒体内容创作 Agent：
# 最终我们将实现这样的功能
from selfmedia_agent import SelfMediaAgent
agent = SelfMediaAgent()
# 生成内容创意
ideas = agent.generate_ideas(topic="AI编程", count=5)
# 撰写文章
article = agent.write_article(
idea=ideas[0],
platform="微信公众号",
style="专业但易懂"
)
# 发布到多平台
agent.publish(
content=article,
platforms=["微信公众号", "知乎", "头条"]
)
下一步
在下一个教程中，我们将深入学习 LLM 和 Chat Models 的使用方法。