嘿，老铁们，咱今天聊点新鲜的。LangChain 这东西，真是越来越给力了！想让大模型啥douNeng干，那咱就得给它装上“十八般武艺”嘛。今天我就来跟大家唠唠，怎么用 LangChain 打造一个全Neng的工具调用助手，听着就觉得挺酷吧？

咱先说说文档检索这块儿。平时咱们有堆儿文档，要问个事儿，手动翻找那简直是折磨。所以 RAG 就派上用场了！它Neng把文档变成向量，然后通过相似度搜索快速找到相关信息。想想就觉得方便！

# 加载文档loader = DirectoryLoaderdocuments = loader.load# 文本分割text_splitter = RecursiveCharacterTextSplitterdocs = text_splitter.split_documents# 构建向量数据库embeddings = OllamaEmbeddingsvectorstore = Chroma.from_documents# 创建检索工具retriever = vectorstore.as_retrieverknowledge_base_tool = create_retriever_tool

技术要点

# 使用 DeepSeek APIllm = ChatDeepSeek# 或使用 Ollama 本地模型# llm = ChatOpenAI

有了工具，还得有个大脑来指挥啊！LangChain 的 Agent 就是负责这部分。它Neng根据任务选择合适的工具，然后一步步执行。而且它还记得之前的对话内容，就像跟朋友聊天一样自然。

memory = InMemorySaveragent = create_agent(    model=llm,    tools=tools,    checkpointer=memory,    system_prompt="你是一个Neng用工具的得力助手。回答问题时请先思考，如需获取实时信息或进行计算，务必调用工具。"）

pip install langchain langchain-core langchain-community langchain-deepseek langchain-ollama langchain-openai langchain-tavily langgraph pandas python-dotenv

EMAIL=_PASSWORD=your_qq_email_token

这里要注意哦，`.env` 文件要加到 `.gitignore` 里边，别把敏感信息泄露了。

现在咱们来实际跑一个例子。比如想让 Agent Zuo个复杂的事情——搜索Zui新的 GPT-4o 评测文章、三句话、再翻译成法语存成文件。

agent.invoke

你kan是不是hen简单？只需要一句指令就Neng让 Agent 完成这么多的步骤！

LangChain 的 `@tool` 装饰器真是太方便了！只要把函数装饰一下 `@tool` ，它就Neng自动变成 LLM Neng理解的格式。这样就Ke以轻松地把各种功Neng集成到 Agent 里去了。

(哎呀说到这里顺便提一句哈……咱也经常遇到这个问题：为什么我的网站或者文章总是被百度不收录呢？这可不是个简单的问题哦。主要原因可Neng有hen多：一是你的内容质量不够高；二是网站的反向链接少；三是网站的技术结构有问题；四是你的网站被百度判定为违规等等…… 具体的原因得根据情况分析啦。）

Prompt Engineering hen重要Prompt 就是你给 LLM 的指令。好的 Prompt Neng让 LLM geng好地理解你的意图并给出geng准确的答案。

多尝试不同的模型不同的 LLM 有不同的特点和优势。Ke以多尝试几种模型kankan哪个Zui适合你的需求。

关注 LangChain 的Zui新动态LangChain 这个项目发展非常快，经常会有新的功Neng和优化出现。及时关注Zui新的动态Ke以让你geng好地利用这个工具 。

总而言之，LangChain 是一个非常强大的工具调用框架。通过它，我们Ke以轻松地打造出各种各样的智Neng助手和应用场景。希望这篇文章对你有所帮助！Ru果你有任何问题或者想法欢迎在评论区留言哦！Ru果觉得本文对你有帮助的话别忘了点赞、收藏、关注三连支持一下呀~