基于LangChain的RAG与Agent智能体开发 - 使用LangChain调用大语言模型

大家好，我是小锋老师，最近更新《2027版基于LangChain的RAG与Agent智能体开发视频教程》专辑，感谢大家支持。

本课程主要介绍和讲解RAG，LangChain简介，接入通义千万大模型，Ollama简介以及安装和使用，OpenAI库介绍和使用，以及最重要的基于LangChain实现RAG与Agent智能体开发技术。

链接：https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg

提取码：0000

我们首先来安装下LangChain库

复制代码

pip install langchain langchain-community langchain-ollama  -i https://pypi.tuna.tsinghua.edu.cn/simple  --trusted-host pypi.tuna.tsinghua.edu.cn

库名	核心定位	主要职责	来源 / 状态
langchain	框架核心与高层逻辑	提供构建AI应用的链、代理、检索策略等"认知架构"，是框架的"大脑"和"骨架。	官方核心库
langchain-community	第三方集成汇总	包含由社区维护的所有第三方集成（如各种文档加载器、向量存储、工具等），是一个"百宝箱"。	官方社区版
langchain-ollama	特定服务集成	专门用于连接Ollama服务的"专用工具包"，让你能调用本地的Llama 3、Qwen等模型。	官方合作伙伴包

比如我们现在要调用的通义千问大模型，就需要使用到langchain-community社区库。当然内部还需要dashscope库的支持，也需要安装下。

复制代码

pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple  --trusted-host pypi.tuna.tsinghua.edu.cn

DashScope（模型服务灵积）是阿里云推出的一个模型服务平台。它就像阿里云版的"OpenAI API 平台"，旨在通过标准化的API接口，为开发者提供丰富、易用的AI模型服务。

下面是LangChain调用通义千问大语言模型的参考代码：

复制代码

from langchain_community.llms.tongyi import Tongyi

# 创建模型
model = Tongyi(model="qwen-plus")

# 调用模型
result = model.invoke(input="你是谁")
print(result)

运行输出：

我们使用LangChain来调用Ollama本地大模型

复制代码

from langchain_ollama import OllamaLLM

# 创建模型
model = OllamaLLM(model="qwen3:4b")

# 调用模型
result = model.invoke(input="你是谁")
print(result)

运行输出：