Products
96SEO 2026-06-13 23:06 26
开场白
嗨！今天咱们聊聊怎么用 LangChain 调用大模型。 你或许以为这件事hen高大上，其实跟喝咖啡差不了多少简单。 Ru果你刚接触 AI 开发，想知道从哪里开始，那就跟着我走吧。 先别急，我会一步步拆解，让你Neng直接跑起来。 而且别担心，代码里dou没有隐藏难点，只要跟着走就行。
LangChain 是什么？LangChain 并不是一个模型，而是一套框架。 它帮你把不同厂商的模型统一成同一套接口。 所以你Ke以在同一段代码里切换 OpenAI、DeepSeek 或其他兼容服务。 想象一下你只需要改个配置，就Neng把聊天模型从 GPT 换到其它模型，无需改业务逻辑。 这正是它的强大之处——“一次写，一处用”。
名字里的 “Lang” 指的是语言。 “Chain” 则暗示把多步推理链式连接起来。 也就是说它让我们Ke以把 Prompt → Tool → Memory 等步骤串联成完整工作流。
为何要用 LangChain 调用 LLM？因为直接调用原始 API 有点麻烦：每个服务dou有自己的请求格式和认证方式。 LangChain 把这些细节包装好，让你专注业务逻辑而不是网络协议。
调试geng友好框架内建日志记录，错误信息往往比裸 API geng直观。
可插拔工具支持后面我们会kan到如何让模型自动调用工具。但现在先把基础搭好了再说吧！
环境准备：Python + uv + virtualenv确保电脑装了 Python 3.x 和 uv 工具。Ru果没装 uv，Ke以先 pip install uv 。
创建项目目录bash
mkdir langchain-demo
cd langchain-demo
uv init --python
这样会生成 pyproject.toml 和 .venv/ 文件夹。
安装依赖包bash
uv add langchain-openai python-dotenv
也Ke以直接 pip install，但 uv geng轻量。
.env 配置文件示例text
LLM_MODEL=deepseek-v4-pro
LLM_API_KEY=your_deepseek_api_key_here
LLM_BASE_URL=https://your-base-url.example.com
这里 LLM_BASE_URL Ke以留空，Ru果使用 OpenAI 官方地址；Ru果使用 DeepSeek 或代理就写对应地址。
python import os from dotenv import loaddotenv from langchainopenai import ChatOpenAI
load_dotenv
def required_env: val = os.getenv if not val: raise RuntimeError return val
def createmodel: kwargs = { "model": requiredenv, "apikey": requiredenv, # temperature / maxtokens / topp 可根据需求自行补充 # timeout / maxretries 在后面演示时加上去即可 } base = os.getenv if base: kwargs = base # 指向非官方接口时需要写这个字段
return ChatOpenAI
model = create_model
一句一句地解释：required_env 确保必填项存在；create_model 把所有配置集中在这里；以后所有业务只需拿 model 对象即可。
别把 api key 写死在代码里这样安全风险太大呀！ Zui好放到 .env，然后通过 os.getenv 拿出来。
为什么百度不收录？——SEO 的小插曲说实话，你可Neng想问这篇文章怎么没有被百度收录啊？其实原因hen简单： 1️⃣ 我们这里没放外链，也没有Zuo任何站外推广； 2️⃣ 百度抓取机器人主要关注域名权重和内容geng新频率，而这篇文章只是本地文件，没有真正上线； 3️⃣ geng重要的是这类技术教程通常需要配合实际部署才Neng被搜索引擎识别为有价值内容。所以没办法靠空页面来获取排名哦！ Ru果你想让搜索引擎kan到，就得把它部署到公开服务器，并且添加合适的元数据与 sitemap。
基本调用方式：invoke 与 stream #1 invoke —— 一次性拿完整回复python
def invoke_demo:
model = create_model
response = model.invoke(
)
print
执行后你会kan到类似：
LangChain 是一个统一的大模型框架，
它提供统一的 Prompt 管理与工具调用，
让开发者专注业务，而非底层细节。
一句话完成整个流程。
#2 stream —— 边生成边输出，非常适合聊天 UI 或命令行实时显示。python import sys
def streamdemo: model = createmodel stream = model.stream( )
for chunk in stream:
# chunk.content 通常是 str，但未来也可Neng是 dict 或对象类型
if isinstance:
sys.stdout.write
sys.stdout.flush
sys.stdout.write
运行后你会kan到文字逐字弹出——像真的在打字一样，hen爽！
参数细节快速指南：
timeout： “请求超时时间”, 防止网络卡住。
max_retries： “失败重试次数”, 对付临时网速波动。
temperature： “随机性控制器”, 越低越稳，越高越创意。
max_tokens： “Zui大 token 数量”, 防止输出过长。
top_p：“另一种随机性调控方式”, 用得少点geng稳妥。
记住这些默认值基本够用了Ru果想调优就手动传进去即可：
python
ChatOpenAI(
model=required_env,
api_key=required_env,
temperature=0.7,
max_tokens=512,
timeout=30,
max_retries=5,
)
Ru果你想自定义 base_url
python
kwargs = os.getenv # 必须是兼容 OpenAI 接口格式的服务地址
有时候回答问题需要访问外部数据，比如天气、新闻或者数据库查询。这时就得让模型主动告诉我们要使用哪种工具，然后我们再执行并返回结果给模型继续推理。这叫 “tool_calls”。 在 Agent 场景里每一次请求dou可Neng产生一个 `tool_calls` 字段，其中包含“函数名”和“参数”。 框架会帮你解析并自动回传结果，但目前还没深入讲解，所以先留作悬念吧。
作为专业的SEO优化服务提供商，我们致力于通过科学、系统的搜索引擎优化策略，帮助企业在百度、Google等搜索引擎中获得更高的排名和流量。我们的服务涵盖网站结构优化、内容优化、技术SEO和链接建设等多个维度。
| 服务项目 | 基础套餐 | 标准套餐 | 高级定制 |
|---|---|---|---|
| 关键词优化数量 | 10-20个核心词 | 30-50个核心词+长尾词 | 80-150个全方位覆盖 |
| 内容优化 | 基础页面优化 | 全站内容优化+每月5篇原创 | 个性化内容策略+每月15篇原创 |
| 技术SEO | 基本技术检查 | 全面技术优化+移动适配 | 深度技术重构+性能优化 |
| 外链建设 | 每月5-10条 | 每月20-30条高质量外链 | 每月50+条多渠道外链 |
| 数据报告 | 月度基础报告 | 双周详细报告+分析 | 每周深度报告+策略调整 |
| 效果保障 | 3-6个月见效 | 2-4个月见效 | 1-3个月快速见效 |
我们的SEO优化服务遵循科学严谨的流程，确保每一步都基于数据分析和行业最佳实践：
全面检测网站技术问题、内容质量、竞争对手情况，制定个性化优化方案。
基于用户搜索意图和商业目标，制定全面的关键词矩阵和布局策略。
解决网站技术问题，优化网站结构，提升页面速度和移动端体验。
创作高质量原创内容，优化现有页面，建立内容更新机制。
获取高质量外部链接，建立品牌在线影响力，提升网站权威度。
持续监控排名、流量和转化数据，根据效果调整优化策略。
基于我们服务的客户数据统计，平均优化效果如下：
我们坚信，真正的SEO优化不仅仅是追求排名，而是通过提供优质内容、优化用户体验、建立网站权威，最终实现可持续的业务增长。我们的目标是与客户建立长期合作关系，共同成长。
Demand feedback
