LangChain-03 环境准备

第 2 章 · 环境准备与安装

2.1 安装 LangChain

推荐先创建虚拟环境(避免污染系统 Python):

bash 复制代码
# 创建并进入项目目录
mkdir my-langchain-app && cd my-langchain-app

# 创建虚拟环境(名字叫 .venv)
python -m venv .venv

# 激活虚拟环境
source .venv/bin/activate    # Linux / macOS
# .venv\Scripts\activate     # Windows

# 安装 LangChain 主包(-U 表示装最新版)
pip install -U langchain

如果你用 uv(更快的现代包管理器):

bash 复制代码
uv add langchain

2.2 安装模型提供商的集成包

LangChain 的模型集成是独立安装的。你用哪家的模型,就装哪家的包:

bash 复制代码
pip install -U langchain-openai       # 用 OpenAI 的模型(GPT 系列)
pip install -U langchain-anthropic    # 用 Anthropic 的模型(Claude 系列)
pip install -U langchain-google-genai # 用 Google 的模型(Gemini 系列)

也有偷懒写法,一行装好 LangChain + 指定提供商:

bash 复制代码
pip install -qU "langchain[openai]"    # LangChain + OpenAI 集成

2.3 配置 API Key

API Key 是你调用模型的"钥匙",不要写死在代码里(尤其是要把代码传到 GitHub 的时候)。正确姿势是设置环境变量:

bash 复制代码
# Linux / macOS(写在终端里,或放进 ~/.bashrc)
export OPENAI_API_KEY="sk-你的密钥"

# Windows PowerShell
$env:OPENAI_API_KEY="sk-你的密钥"

常见 Key 对应的环境变量名:

提供商 环境变量名
OpenAI OPENAI_API_KEY
Anthropic ANTHROPIC_API_KEY
Google GOOGLE_API_KEY

2.4 验证安装

新建 test_install.py:

python 复制代码
# 从 langchain.chat_models 模块导入 init_chat_model 工具函数
# 它能根据 "提供商:模型名" 这种字符串自动创建对应的模型对象
from langchain.chat_models import init_chat_model

# 创建一个 OpenAI 的 gpt-4o-mini 模型对象(便宜,适合测试)
# 注意格式:"提供商:模型名",中间用冒号连接
model = init_chat_model("openai:gpt-4o-mini")

# 调用模型,传入一个字符串问题,打印返回结果
print(model.invoke("你好,请用一句话介绍你自己"))

运行:

bash 复制代码
python test_install.py

如果打印出了模型的回答,说明环境 OK,可以正式开始学习之旅了 🎉

💡 国内用户提示 :OpenAI/Anthropic 的 API 需要相应账号。如果你用的是智谱、DeepSeek、通义千问等国内模型,同样有对应的集成包(如 langchain-deepseek),或者用兼容 OpenAI 接口的方式接入(设置 base_url 参数)。原理完全一样,教程代码只需改模型名。

📝 第 2 章练习

  1. 创建虚拟环境并成功安装 langchain + 你选择的一家模型集成包
  2. 运行验证脚本,收到模型回复
相关推荐
梦在远山后39 分钟前
通过 WSS 让 Server 安全调用 Desktop 本地工具(下01):Ticket、人工确认、幂等与断线对账
python·langchain·agent
jason.zeng@15022073 小时前
(六)Prompt 优化
python·ai·langchain·prompt·ai编程·llama
jason.zeng@15022076 小时前
(八)现有架构上新增一个通用Excel导出工具
python·架构·langchain·excel·llama
坊钰7 小时前
【LangChain框架入门级】10. 文本向量与向量数据库(Embedding / Redis / Pinecone / MMR)
数据库·python·langchain·embedding
jason.zeng@15022077 小时前
(七)「固化 Rest 接口 + Text-to-SQL 灵活查询」双模式 Agent 架构教程
数据库·python·sql·ai·架构·langchain·ai编程
IT_Octopus8 小时前
【零基础入门 LLM 开发 · Day 10】:LangChain 入门——一条管道符串起 prompt 和模型
python·langchain·prompt
染指11109 小时前
139.Agent-多Agent框架-Skills渐进式加载文档
数据库·人工智能·langchain·agents
小林ixn9 小时前
别再手写 Agent 基建了:用 deepagents 中间件,30 行代码搞定文件系统 / 记忆 / 上下文压缩
人工智能·langchain
骑着蜗牛撵大象3271 天前
多 Agent 串行流水线:把一个任务拆成可重试、可续跑的 Pipeline 节点链
前端·langchain