LangChain

LangChain是一个用于开发由大型语言模型 (LLM) 驱动的应用程序的框架，帮助开发者使用大型语言模型（LLMs）和聊天模型构建端到端的应用程序。

LangChain库主要由以下几个不同的包组成：

• langchain-core：基础抽象和LangChain表达语言；
• langchain-community：第三方集成，主要包括langchain集成的第三方组件；
• langchain：主要包括链（chain）、代理（Agent）和检索策略；

LangChain的核心组件：

• 模型（Models）：包含各大语言模型的LangChain接口和调用细节，以及输出解析机制；
• 提示模板（Prompts）：使提示工程流线化，进一步激发大语言模型的潜力；
• 数据检索（Indexes）：构建并操作文档的方法，接受用户的查询并返回最相关的文档，轻松搭建本地知识库；
• 记忆（Memory）：通过短时记忆和长时记忆，在对话过程中存储和检索数据，让CahtBot记住你。
• 链（Chains）：LangChain中的核心机制，以特定方式封装各种功能，并通过一系列的组合，自动而灵活地完成任务；
• 代理（Agents）：另一个LangChain中核心的机制，通过“代理”让大模型自主调用外部工具和内部工具，使智能Agent成为可能。

好了，这里就不过多介绍LangChain了，大家可以去LangChain官网了解。

安装LangChain

在开始编写LangChain程序前，首先执行如下代码安装openai和langchain：

pip install openai
pip install langchain-openai
pip install langchain

安装完毕后，接下来我们使用OpenAI、智谱AI、LMStudio的openai服务三种方式来编写LangChain程序。

个人比较推荐使用LMStudio的openai服务。

OpenAI

注意：OpenAI需要科学上网才能使用，不使用科学上网可以跳过这一方式。

进入OpenAI官网，根据图中顺序，创建API keys并复制密钥：

接下来编写LangChain程序，示例代码如下：

from langchain_openai import ChatOpenAI    # 导入ChatOpenAI
openai_api_key=刚刚复制的OpenAIAPI密钥
llm=ChatOpenAI(openai_api_key=openai_api_key)
print(llm.invoke('中国的首都是哪里？不需要介绍'))

运行结果为：

北京

注意：如果没有OpenAI的API使用次数，会报错：

openai.RateLimitError: Error code: 429 - {'error': {'message': 'You exceeded your current quota, please check your plan and billing details. For more information on this error

大家可以根据需求购买。

如果不想每次都设置OpenAI的API密钥，可以在系统的环境变量中添加密钥，如下图所示：

代码修改为：

from langchain_openai import ChatOpenAI
import os
openai_api_key=os.getenv('OPEN_API_KEY')   # 在系统环境变量中获取openAI的API密钥
llm=ChatOpenAI(openai_api_key= openai_api_key)
llm.invoke('中国的首都是哪里？不需要介绍')

智谱AI

由于OpenAI需要科学上网才能使用，所以我们可以使用智谱AI，其新用户免费送2000万次请求，创建API Key并复制密钥如下图所示：

执行如下代码安装智谱AI：

pip install zhipuai

示例代码如下：

from zhipuai import ZhipuAI
client=ZhipuAI(api_key='智谱AI密钥')

response = client.chat.completions.create(
    # 使用的模型
    model='glm-4',
    # 会话内容
    messages=[
        {"role": "user", "content": "你好"},
        {"role": "assistant", "content": "我是人工智能助手"},
        {"role": "user", "content": "如何学好LangChain"}
    ],
    # 流式输出
    stream=True

)
for chunk in response:
    print(chunk.choices[0].delta.content,end="")

运行结果如下：

LMStudio的openai服务

大家可以根据这篇文章安装LMStudio。

安装完毕后，如下图所示，加载模型：

完成以上步骤后，编写如下代码：

from langchain_openai import ChatOpenAI

openai_api_key="google/gemma-3-12b"       # 可以不设
openai_api_base="http://127.0.0.1:1234/v1"

chat =ChatOpenAI(
    openai_api_key=openai_api_key,  # 密钥
    openai_api_base=openai_api_base, # openai接口
)
print(chat.invoke("当前使用的大模型版本是多少"))

运行结果如下：