15天学会AI应用开发(十四)搭建LangChain的开发环境

LangChain 是一套大语言模型 (LLM) 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,也支持加载电脑本地的离线大模型。为避免在线大模型带来的大量Token消耗,接下来以离线大模型为例介绍如何搭建LangChain的开发环境。

一、安装Ollama

AI应用在加载离线大模型时用到了 Ollama ,它的安装包比较大,有1.8G左右,AI应用的智能体开发必须安装Ollama。

Ollama的下载页面为 https://ollama.com/download ,但外网速度较慢下载很耗时,建议访问博主提供的下载链接 https://www.alipan.com/s/gkea9rqEDTU

下载回来的Ollama安装包叫做OllamaSetup.exe,双击它即可安装至系统盘的默认目录。若想修改Ollama的安装路径,就要打开命令行,输入下面的安装命令(以安装到E盘为例):

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

等待安装完毕,在安装目录下会找到"ollama app.exe"和"ollama.exe"两个程序,前者提供了可视化界面,而后者用于命令行,AI应用开发主要使用后者。

另外,需确保系统的PATH环境变量中能找到Ollama的安装目录,例如"E:\Program Files\Ollama"。如果PATH环境变量不包含Ollama的安装目录,则需手工添加该目录。

二、下载离线大模型

通过Ollama可以很方便地下载离线大模型,比如在命令行窗口执行下面命令,即可下载大模型qwen2:1.5b:

复制代码
ollama pull qwen2:1.5b

不过下载回来的离线大模型默认放在系统盘的"C:\Users\你的用户名\.ollama\models"目录下,若想修改大模型的保存目录,就要新建名叫OLLAMA_MODELS的环境变量,并将变量值设为指定路径,例如"F:\ollama_models",那么后续下载的大模型都会保存到新目录下。

等待大模型下载完毕,在命令行窗口执行下面命令,即可启动Ollama并加载大模型:

复制代码
ollama serve

然后启动浏览器打开链接"http://localhost:11434/api/tags",观察是否返回json串,有返回表示启动成功。

比如下面返回的json串表示Ollama已加载大模型qwen2:1.5b:

复制代码
{
    "models": [
        {
            "name": "qwen2:1.5b",
            "model": "qwen2:1.5b",
            "modified_at": "2026-05-03T17:29:06.9028074+08:00",
            "size": 934964102,
            "digest": "f6daf2b25194025ae2d5288f2afd041997ce48116807a3b612c1a96b09bec03a",
            "details": {
                "parent_model": "",
                "format": "gguf",
                "family": "qwen2",
                "families": [
                    "qwen2"
                ],
                "parameter_size": "1.5B",
                "quantization_level": "Q4_0"
            }
        }
    ]
}

三、安装LangChain

在命令行窗口执行下面命令,即可安装LangChain及其用到的Ollama插件:

复制代码
pip install langchain langchain-core langchain-ollama

在命令行窗口执行下面命令,可查看当前三个LangChain的安装版本,建议三个版本都不低于1.0:

复制代码
pip show langchain
pip show langchain-core
pip show langchain-ollama

然后编写Python测试代码如下,由LangChain调用离线大模型qwen2:1.5b来回答问题:

复制代码
from langchain_ollama import OllamaLLM

# 连接本地离线大模型(Ollama)
llm = OllamaLLM(model="qwen2:1.5b")

# 提问
response = llm.invoke("介绍一下人工智能")
print(response)

运行上面的Python代码,输出日志结果如下:

复制代码
人工智能(Artificial Intelligence,简称AI)是一种技术,旨在构建计算机程序和系统来模拟人类智能。这些系统可以学习、推理、思考、判断、解决问题和自我优化,并且能够完成复杂的任务,如语音识别、图像处理、自然语言处理等。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。

可见大模型正常输出回答内容,即介绍了人工智能的概念及其应用领域,正确执行的问答结果说明LangChain已经成功安装。

本系列的AI应用开发文章目录为《15天学会AI应用开发全目录(零基础小白,零Token消耗)》。​

相关推荐
2601_9657996811 小时前
2026 在线笔试平台深度测评与选型指南:从功能、稳定性、AI能力、防作弊全面分析
人工智能·笔记·功能测试
小玮看世界11 小时前
[Python]从“脏”数据到优雅实现:一个IoT滑动窗口最大值问题的测试驱动优化实录
linux·前端·python
2601_9494999411 小时前
芯瑞科技 DT-1414 光模块工程实测:完美兼容博通(安华高) HFBR-1414PTZ,VCSEL 替代方案
大数据·网络·人工智能·科技·光模块
城事漫游Molly11 小时前
研究论证的四要素:主张、理由、证据、保证——用AI逐一检验
人工智能·ai for science·论文发表·博士生必读·论证argument·科研论文投稿
字节跳动视频云技术团队11 小时前
AI 视频降本的三种做法,只有一种不牺牲画质
人工智能·aigc
自动化测试行业观察11 小时前
从“自动化”到“智能化”:TestMan AI测试平台引领软件测试范式转移
运维·自动化测试·人工智能·测试工具·自动化·app测试·移动应用测试
HyperAI超神经11 小时前
在线教程|ProteinGym 第一名!VenusREM 用「检索增强」预测蛋白突变影响,加速蛋白质设计
人工智能·深度学习·生物信息学·大模型推理·生物医学
合调于形12 小时前
Bianfchheng (Baf) 《边城(八)》全文汉语拼音字母标调实测案例
人工智能·自然语言处理·人机交互·语音识别·学习方法
MC皮蛋侠客12 小时前
SQLAlchemy 系列(十一):从 1.x 到 2.x——渐进迁移与数据访问层治理
数据库·python
同创永益12 小时前
锚定AI数字韧性赛道,同创永益完成新一轮股权融资
人工智能·it·同创永益·数字韧性