AI大模型从零入门学习：LangChain 入门学习

LangChain 应运而生，它的使命就是：让你更高效地构建大模型应用系统，告别“手搓大模型”。

Python秒杀

417人浏览 · 2025-09-11 14:27:36

Python秒杀 · 2025-09-11 14:27:36 发布

你是否遇也到过这些问题：

提示词写了一堆，却难以复用、难以维护？
明明只是一个智能助手，却需要写很多重复逻辑？
想把多个功能“串联”起来，但不知道该怎么组织？
想做知识库问答？多轮对话？工具调用？太难整合！

于是 LangChain 应运而生，它的使命就是：让你更高效地构建大模型应用系统，告别“手搓大模型”。

🧠 一、什么是 LangChain？

LangChain 是一个开源的 LLM 应用开发框架，它帮你将 提示词、模型调用、上下文记忆、工具链 等整合成一个可复用、可组合的系统。LangChain 提供了一整套模块，让你可以像搭积木一样构建你的 AI 应用：

功能	描述
PromptTemplate	管理和复用提示词模板
LLMChain	将模型调用封装为链式组件
Memory	支持多轮对话的上下文记忆
Tools	调用外部工具（搜索、计算器、API）
Agent	动态决策调用多个工具
Retriever	接入向量数据库，实现知识库问答
Chains	多步骤组合处理，形成业务流程

⚙️ 二、LangChain 能用来做什么？

✅ 场景一：多轮问答机器人（支持上下文记忆）

比如 AI 客服、面试教练、AI 导购等

✅ 场景二：知识库助手

接入你自己的文档 / 网页 / PDF，实现 “你自己的 ChatGPT”

✅ 场景三：代码助手 / 数据分析助手

能调用 API 或函数，完成真实工作，而不是“说说而已”

✅ 场景四：智能流程引擎

构建能根据输入自动分支的业务流程（如：分类 ➝ 回答 ➝ 总结）

🔍 三、为什么选择 LangChain？

专为开发者设计：支持 Python / JS / TS，多数模块都有默认实现，简单易用。
生态丰富：内置 OpenAI、DeepSeek、Anthropic、Cohere、百度文心等支持。
组合灵活：像乐高一样自由组合，支持多 Agent、多工具协作。
开源可扩展：大量社区案例，官方文档活跃，易于集成自定义逻辑。
实战驱动：与 LangGraph、LangServe、Streamlit 等集成，快速从原型到部署。

🧩 LangChain 结构图（概念版）

[PromptTemplate] → [LLMChain] → [OutputParser]                        ↓                   [Memory 模块]                        ↓                   [Tool / Agent]                        ↓                   [自定义业务逻辑]

LangChain 不是另一个“大模型”，而是帮你用好大模型的开发工具集。无论你是：想把 AI 能力嵌入到自己产品里的开发者还是想快速打造 AI 小工具做副业的创作者，抑或是想了解提示词工程 / Agent 技术细节的技术控LangChain 都值得你系统学一学！

🔍 四、把 LangChain加入前几天建的项目中

✅ 第一步：准备环境，在之前的conda环境中安装 LangChain

conda环境的安装可以参考AI学习第1天：Python + AI 开发环境搭建全攻略

pip install langchainpip install langchain-community

✅ 第二步：新建 `src/langchain_app/` 目录中引入 LangChain，和现有的 Prompt 模块并行开发。添加 LLMChain 示例

📁 `src/langchain_app/chain_runner.py`

from langchain.prompts import PromptTemplatefrom langchain.chains import LLMChainfrom langchain_community.chat_models import ChatOpenAIimport osllm = ChatOpenAI(    openai_api_key=os.getenv("DEEPSEEK_API_KEY"),     base_url=os.getenv("BASE_URL"),    model_name="deepseek-chat",)# Prompt 模板template = """你是一位专业的广告文案专家。请根据以下信息撰写一条吸引人的文案：产品名：{product_name}特点：{features}受众：{audience}要求：不超过 100 字，富有情感。"""prompt = PromptTemplate(    input_variables=["product_name", "features", "audience"],    template=template,)chain = LLMChain(llm=llm, prompt=prompt)def generate_ad_copy(product_name, features, audience):    return chain.run({        "product_name": product_name,        "features": features,        "audience": audience    })

✅ 第三步：FastAPI 接口集成

📁 src/serving/api/endpoints/langchain_prompt.py

from fastapi import APIRouterfrom langchain_app.chain_runner import generate_ad_copyrouter = APIRouter()@router.post("/langchain/generate")def langchain_generate(data: dict):    result = generate_ad_copy(        product_name=data["product_name"],        features=data["features"],        audience=data["audience"]    )    return {"result": result}

然后在 `main.py` 中注册：

from serving.api.endpoints import langchain_promptapp.include_router(langchain_prompt.router, prefix="/api", tags=["LangChain"])

完整的main.py

import sysimport os# 把 src 加入 sys.pathBASE_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../.."))if BASE_DIR not in sys.path:    sys.path.insert(0, BASE_DIR)print("🔍 当前 sys.path = ", sys.path)from fastapi import FastAPIfrom fastapi.middleware.cors import CORSMiddlewarefrom serving.api.endpoints import promptfrom serving.api.endpoints import langchain_promptapp = FastAPI(    title="AI Prompt API Service",    description="基于 FastAPI 的提示词接口服务",    version="1.0.0")# 添加 CORS 支持app.add_middleware(    CORSMiddleware,    allow_origins=["*"],    allow_credentials=True,    allow_methods=["*"],    allow_headers=["*"],)# 注册路由app.include_router(prompt.router, prefix="/api", tags=["Prompt"])app.include_router(langchain_prompt.router, prefix="/api", tags=["LangChain"])@app.get("/health")def health():    return {"status": "running"}