LangChain 是什么？

LangChain 是一个用于构建大语言模型应用的框架，它提供了一套模块化、可复用的组件，帮助开发者快速搭建 AI 驱动的程序。它不仅简化了 LLM 的调用流程，还支持多种模型、提示词工程、记忆机制、工具调用和向量数据库集成等Neng力。

LangChain 的核心组件

LangChain 的核心是其强大的模块化设计，它将常见的 LLM 应用模式抽象为可复用的组件，包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来例如调用模型、解析输出等。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

为什么选择 LangChain？

LangChain 的优势在于它将复杂的 AI 应用构建流程简化为可复用的模块，使开发者Nenggeng专注于业务逻辑，而不是底层实现。它通过链式调用机制，让开发者Ke以轻松地组合不同组件，实现geng复杂的任务流程。

安装与配置

使用 LangChain 构建 AI 应用时 需要安装相关依赖。你Ke以通过以下方式安装 LangChain：

pip install langchain

你也Ke以按需安装不同模型的依赖：

pip install langchain-openai        # GPT 系列
pip install langchain-anthropic   # Claude 系列
pip install langchain-google-genai # Gemini 系列
pip install langchain-ollama       # 本地模型

配置 API 密钥时需要在项目根目录下创建一个 .env 文件，内容如下：

OPENAIAPIKEY=sk-xxxxxxxxxxxxxxxx
ANTHROPIC_API001-4o-mini

记得把 .env 加进 .gitignore，别把 Key 传上去。

LangChain 的链式调用

链式调用是 LangChain 的核心设计，它允许你将多个组件组合成一个可复用的链式流程。例如你Ke以将提示模板、模型和输出解析器组合成一个处理流程，实现一个智Neng体。

from langchainopenai import ChatOpenAI
from langchaincore.prompts import ChatPromptTemplate
from langchaincore.outputparsers import StrOutputParser

prompt = ChatPromptTemplate.from_template
parser = StrOutputParser
chain = prompt | llm | parser
result = chain.invoke
results = chain.batch()

链中每个组件dou有 invoke / batch / stream 方法，Ke以自由组合。

LangChain 的优势

LangChain 的优势在于它将复杂的 AI 应用构建流程简化为可复用的模块，使开发者Nenggeng专注于业务逻辑，而不是底层实现。它通过链式调用机制，让开发者Ke以轻松地组合不同组件，实现geng复杂的任务。

链式调用

链式调用是 LangChain 的核心设计，它允许你将多个处理步骤串起来实现geng复杂的任务。

from langchaincore.prompts import ChatPromptTemplate
from langchainopenai import ChatOpenAI
from langchaincore.outputparsers import StrOutputParser

llm = ChatOpenAI
prompt = ChatPromptTemplate.from_template
parser = StrOutputParser  # 把 AIMessage 转成纯字符串
chain = prompt | llm | parser
result = chain.invoke
results = chain.batch()

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务流程。

工具调用让 AI 自用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的链式调用

现在 LangChain Yi经是个完整生态，三个主要产品：

LangChain LCEL链式调用机制，让开发者Ke以轻松地组合不同组件，实现geng复杂的任务。

from langchainopenai import ChatOpenAI
from langchaincore.prompts import ChatPromptTemplate
from langchaincore.outputparsers import StrOutputParser

chain = prompt | llm | parser
result = chain.invoke
results = chain.batch()

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调

用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识仓库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库 用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的代码实现geng复杂的任务，比如文档问答、对话系统、智Neng客服等。

LangChain 的核心组件

LangChain 的核心组件包括：

提示模板用于构建和复用提示词。

链式调用将多个处理步骤串起来实现geng复杂的任务。

工具调用让 AI 自主调用工具，如搜索引擎、API 查询等。

向量数据库用于构建知识库，实现 RAG。

这些组件Ke以让你用geng少的

---