首先我使用 conda 环境来配置 Langchain 环境，通过 conda 创建独立虚拟环境可有效隔离不同项目的依赖包冲突，再在该环境中精准安装 Langchain 及其所需的各类依赖库（如 OpenAI SDK、PyPDF、Chroma 等，具体根据功能需求选择），最终搭建起稳定、可复现的 Langchain 开发环境，为后续链（Chain）构建、向量数据库交互、智能代理（Agent）开发等操作奠定基础。        

        如果还没有使用过conda环境的小伙伴可以直接查看我之前写过的文章：                ​​​​​​​        ​​​​​​​        ​​​​​​​        Anaconda的基础使用及相关命令介绍，里面详细说明了Anaconda的用法，怎么在Anaconda中配置conda环境。

        我们点击进入Anaconda PowerShell Prompt的终端内，初始状态下终端内的conda环境为base，我们可以根据自己的需求自定义新的conda环境。

        在终端内使用命令：conda create --name LangChain python=3.10，这里我创建了一个名为LangChain，安装的Python版本为3.10的conda环境。

        新建了conda环境之后，我们需要在环境中安装LangChain的依赖包，使用命令：pip install langchain来安装核心依赖包。使用命令：pip install jupyter来安装运行Jupyter所需的依赖包。然后我们还需要在jupyter中注册内核环境，使用命令：pip install ipykernel，python -m ipykernel install --user --name=langchain --display- name="py310(langchain)"，这里我创建的是名为py310(langchain)的内核，这样就可以在jupyter中指定环境进行编码了。因为我已经在终端中安装完成了，这里我就不加截图进行描述了，大家跟着命令顺着敲下来即可。

        安装完上述包后，我们可以使用命令：conda list来查看当前环境的依赖，确保需要的依赖包都存在。

        综上，LangChain的环境我们就已经配好了！接下来我们打开VSCode，选用Anaconda中的LangChain环境。

        接下来我们使用VScode一步一步进行LangChain的快速实战。

step1：

        设置Langsmith的环境变量，用于监控，非必选。

        这里我使用load_key.py来对Langsmith的密钥进行安全管理。

step2：

        使用LangChain提供的chat_model快速访问互联网上的各种AI大模型产品。这里我以OpenAI为例，引入LangChain针对OpenAI的依赖来进行快速访问。   

step3：

        使用model完成与openai的第一次交互。

        一次invoke交互可以传多条消息，这个效果就相当于在网页访问大模型时的一个聊天窗口。多次不同的invoke调用就相当于是开了多个不同的聊天窗口。每次invoke调用，大模型只会理解这一次方法传入的消息作为上下文。

        综上，我们就完成了一个LangChain入门的简单实战了！

        后续我也会继续更新LangChain的更多内容，请大家持续关注！