LangChain 是一套大语言模型应用开发框架，主打链式编排、任务流程组装。可快速搭建智能对话机器人、智能助手、自动化流程、知识库问答、Agent 智能体。

LangChain 支持对接各类在线大模型。包括 OpenAI、文心、通义、讯飞等，也支持加载本地离线大模型。由于在线大模型会产生大量 Token 消耗，下面以离线大模型为例。详细说如何一步步搭建 LangChain 开发环境，并针对常见的**使用者痛点**提供方法。

一、安装 Ollama

使用者痛点：Ollama 安装包约 1.8 GB。直接从官方站点下载速度慢，容易卡死；对了默认安装方法不可自行更改，导致硬盘空间紧张。话说回来，

• 访问 下载。推荐使用博主提供的高速镜像：。
• 下载得到的文件名为 OllamaSetup.exe双击即可默认安装到程序盘。
• 如需自定义安装方法，打开命令行执行：

OllamaSetup.exe /DIR="E:\Program Files\Ollama"

安装完成后目录下会出现两个可执行文件：

• ollama app.exe – 可视化界面。
• ollama.exe – 命令行工具。话说回来，

解决实际问题：确保将 Ollama 安装目录加入程序的 %PATH% 环境变量。否则命令行找不到对应可执行文件。手动添加方式的观点是，

setx PATH "%PATH%;
怎么说呢，E:\Program Files\Ollama"

二、下载离线大模型

使用者痛点：默认模型存放在程序盘的使用者目录下容易占满 C 盘空间；且每次切换机器时需要重新下载。

• 通过 Ollama 下载模型，例如：

ollama pull qwen2:.5b

If you want to change storage location,create an environment variable named OLLAMA_MODELS。and set its value to desired folder,e.g.,F:\ollama_models. All subsequently pulled models will be saved re.

• 启动 Ollama 并加载模型：

ollama serve

打开浏览器访问，若返回 JSON 则表示服务启动成功。至于例如，

{
"models":,"parameter_size": ".5B"。"quantization_level": "Q4_0"
}
}
]
}

解决实际问题要点

• #1 - 使用 OLLAMA_MODELS 环境变量统一管理模型存放位置，避免占用程序盘。
• #2 - 首次拉取后可复制整个模型目录到其他机器，实现离线迁移。按理说，
• #3 - 通过本地 API 检查服务状态。快速定位启动失败原因，

三、安装 LangChain 与插件

使用者痛点：Pip 安装时经常出现版本冲突或依赖缺失；不清楚如何验证各组件是否成功安装。

• 一次性安装主要库和 Ollama 插件：

pip install langchain langchain-core langchain-ollama

检查已安装版本：

pip show langchain
pip show langchain-core
pip show langchain-ollama

测试代码示例

from langchain_ollama import OllamaLLM
# 连接本地离线大模型
llm = OllamaLLM
# 提问并获取回答
response = llm.invoke
print

说到运行结果示例。

人工智能是一种技术，旨在建立计算机程序和程序来模拟人类智能。这些程序可以学习、推理、思比如考，还有判断，再有处理问题和自我调整。还能完成复杂的任务，如语音识别，另外图像处理，另外自然语言处理等。话说回来，人工智能的研究领域包括机器学习、深度学习、强化学习和认知科学等。

*解决实际问题说明*：成功输出即表明 LangChain 与本地 Olloma 环境已正确联通，无需消耗线上 Token。

本系列 AI 应用开发文章目录：《15 天学会 AI 应用开发全目录》。