AI——LangChain 三大核心概念

LangChain 三大核心概念

• [一、LangChain 三大核心概念](#一、LangChain 三大核心概念)
• • [1. 提示词模板 PromptTemplate](#1. 提示词模板 PromptTemplate)
  • [2. 模型调用 ChatOpenAI / ChatZhipuAI](#2. 模型调用 ChatOpenAI / ChatZhipuAI)
  • [3. 链 Chain](#3. 链 Chain)
• 二、完整可运行代码（带角色设定）
• • 功能
• [三、如果你想用 **智谱 GLM**](#三、如果你想用 智谱 GLM)
• 四、总结

一、LangChain 三大核心概念

1. 提示词模板 PromptTemplate

作用：把固定的角色/规则 + 动态的用户输入，做成可复用模板。

• 固定部分：角色、要求、语气
• 动态部分：{question} 替换用户的问题

优势：不用每次手写拼接字符串，干净、规范、好维护。

---

2. 模型调用 ChatOpenAI / ChatZhipuAI

LangChain 把所有大模型封装成统一调用接口，写法几乎一样：

• ChatOpenAI：调用 GPT
• ChatZhipuAI：调用 GLM
• ChatTongyi：调用 通义千问
• ChatQwen：调用 通义千问

只需要换类名 + API Key，其他代码不动。

---

3. 链 Chain

Chain = 模板 + 模型 + 执行流程

原理：

1. 把用户输入塞进模板
2. 送给模型
3. 返回结果

最简单的链叫 LLMChain = 提示词 + 模型 绑在一起，一键调用。

---

二、完整可运行代码（带角色设定）

功能

• 设定角色：专业、耐心、简洁的AI助教
• 支持连续对话
• 结构清晰，适合学习

# 1. 安装依赖（如未安装）
# pip install langchain langchain-openai langchain-community python-dotenv

# 2. 导入核心模块
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain
from langchain_openai import ChatOpenAI  # 想用GLM就换成ChatZhipuAI

# 3. 初始化模型（GPT 示例）
llm = ChatOpenAI(
    model="gpt-3.5-turbo",
    temperature=0.3,  # 越低越严谨
    api_key="你的API_KEY",
    base_url="https://api.chatanywhere.tech/v1"  # 国内中转
)

# 4. 提示词模板（带角色设定）
prompt_template = PromptTemplate(
    input_variables=["question"],  # 动态变量
    template="""
    你是一位【专业、耐心、简洁的AI学习助教】。
    规则：
    1. 只回答AI、大模型、LangChain、RAG相关问题
    2. 语言通俗易懂
    3. 不编造内容
    4. 回答控制在3句话内

    用户问题：{question}
    """.strip()
)

# 5. 创建链（Chain = 模板 + 模型）
chain = LLMChain(llm=llm, prompt=prompt_template)

# 6. 运行对话
print("==== AI学习助手（输入 exit 退出）====")
while True:
    user_input = input("你：")
    if user_input.lower() == "exit":
        print("结束对话")
        break
    
    # 执行链
    response = chain.run(question=user_input)
    print("AI助教：", response)

---

三、如果你想用 智谱 GLM

只需要把模型部分替换成：

from langchain_community.chat_models import ChatZhipuAI

llm = ChatZhipuAI(
    model="glm-4",
    api_key="你的智谱API_KEY"
)

其他代码完全不用改。

---

四、总结

PromptTemplate（角色+规则）
        ↓
LLMChain（把模板和模型绑起来）
        ↓
chain.run(question="xxx")（执行）

---