一、相关依赖讲解与安装

#创建虚拟环境

conda create --prefix E:\env\2024\envs\agent python=3.10

#激活环境

conda activate E:\env\2024\envs\agent

#安装相关依赖

pip install langchain

pip install -U langchain-openai

调用LLM流程

接入定义大模型-》定义消息-》调用大模型-》输出结果

  1. 获取相关key

  2. 配置环境变量

  1. 接入定义大模型

其中ChatOpenAI的参数有

参数 作用含义 取值范围 / 用法 推荐场景配置
model 指定调用的大模型名称 字符串，如：gpt-3.5-turbo、glm-4-flash、qwen-turbo 按厂商对应填免费模型名
api_key 平台接口密钥 对应平台申请的 API Key 字符串；不填则读取系统环境变量 必须填自己申请的密钥
base_url 接口请求地址（适配国内模型核心） 厂商兼容 OpenAI 格式接口地址 智谱：https://open.bigmodel.cn/api/paas/v4
temperature 模型随机性 / 创造力 0～20：严谨不发散0.7：均衡1.5+：脑洞大、易编造 翻译 / 代码：0.1~0.3闲聊创作：0.7
max_tokens 限制最大输出字数 正整数，如 512、1024、2048 简单对话：1024；长文本：2048
timeout 接口请求超时时间 (秒) 正整数 国内模型统一设 30
max_retries 请求失败自动重试次数 整数，默认 3 网络一般设 3~5
stream 是否开启流式打字机输出 True/False 控制台实时输出开 True；普通调用 False
stop 自定义停止生成关键词 列表格式：["结束","\n\n"] 需要截断固定结尾时使用
seed 随机种子，固定输出结果 固定整数如 42 需要每次回答一模一样时用

  1. 链式调用

二、相关概念

Runable和LCEL

接口文档https://reference.langchain.com/python/langchain-core/runnables

  1. Runnable提供了一系列标准接口，他解决了不同大模型接口参数等不同的问题

  2. LCEL（LangChain Expression Language）是声明式编排语法，用极简方式把多个 Runnable 组合成复杂链（Chain），组合后的链依然是 Runnable，完整保留所有标准接口能力。

# 5.定义链 chain = model | parser RunnableSequence(first=model, last=chain) model.pipe(parser)

Runnable = 零件标准：规定每个组件怎么跑、输入输出格式

LCEL = 组装图纸：用 | 把合规零件拼成流水线

Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

cover

Dify 接入蓝耘 MaaS：基于智能客服分流模板搭建一个客服助手

avatar AI Agent技术社区

2026年企业级大模型API聚合平台选型指南：协议兼容、稳定性与治理能力深度解析

因此，在企业级场景下，选择合适的API聚合平台已经不再只是采购问题，而是一项长期架构决策。| 平台| 模型覆盖规模 | 协议兼容能力| 生产稳定性| 企业管理能力| 成本管理特点| 适用场景|| 星链4SAPI| 480+| OpenAI、Anthropic、Gemini原生兼容 | 企业级可用性设计 | 多账号、审计、额度管理 | 提供细粒度Token统计 | 多模型生产环境|

avatar AI Agent技术社区

写代码为什么越来越多人开始用 ChatGPT 和 Codex？

摘要： ChatGPT-Codex正被越来越多开发者用于日常编程，主要因为它们能高效处理重复性工作而非替代程序员。ChatGPT擅长思路分析和代码解释，如报错排查、框架学习；Codex则直接参与代码生成、重构及功能补充。两者结合可节省查文档、改Bug等琐碎时间，让开发者专注核心逻辑。适用人群包括开发者、新手、运营等，但需注意代码检查、数据安全。AI辅助编程是效率工具，合理使用能加速学习与开发流程。

avatar AI Agent技术社区