第00章:LangChain快速入门

📚 本章学习目标

  • 了解LangChain是什么
  • 理解LangChain的核心价值
  • 完成第一个LangChain示例
  • 掌握基本的模型调用方法

🎯 什么是LangChain?

LangChain是一个用于构建大语言模型(LLM)应用的框架。它提供了统一的接口和工具链,让开发者能够轻松地:

  • 连接各种LLM(OpenAI、Anthropic、本地模型等)
  • 构建复杂的应用流程(链、智能体等)
  • 集成外部工具和数据源
  • 管理对话历史和上下文

LangChain的核心价值

使用

开发者

LangChain框架

统一接口

多种LLM提供商

工具集成

记忆管理

链式编排

OpenAI

Anthropic

本地模型

API调用

数据库

搜索引擎

🏗️ LangChain架构概览

LangChain V1.2采用模块化设计,主要包含以下核心组件:

Models
模型

Prompts
提示词

Chains
链

Agents
智能体

Tools
工具

Memory
记忆

Retrieval
检索

组件说明

组件作用类比
Models各种LLM的抽象接口大脑
Prompts提示词模板和消息格式指令
Chains将多个步骤组合成流程流水线
Agents能够使用工具的智能体助手
Tools外部功能(API、数据库等)工具集
Memory对话历史和状态管理记忆
Retrieval从文档中检索信息知识库

🚀 第一个示例:简单调用

让我们从最简单的例子开始:

from langchain_openai import ChatOpenAI

# 创建模型实例
llm = ChatOpenAI(
    model="qwen-plus",
    api_key="your_api_key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

# 调用模型
response = llm.invoke("你好,请介绍一下你自己")
print(response.content)

执行流程

API服务 LLM模型 LangChain 用户代码 API服务 LLM模型 LangChain 用户代码 invoke("你好...") HTTP请求 处理请求 返回响应 JSON响应 AIMessage对象

💬 消息格式

LangChain使用标准化的消息类型:

BaseMessage

+str content

+dict additional_kwargs

HumanMessage

+str content

AIMessage

+str content

SystemMessage

+str content

消息类型说明

  • HumanMessage: 用户输入的消息
  • AIMessage: AI的回复消息
  • SystemMessage: 系统提示,定义AI的角色和行为

🔄 多轮对话

LangChain支持多轮对话,通过维护消息历史来实现:

第一轮对话

用户: 我的名字是张三

AI: 你好张三

保存消息历史

第二轮对话

用户: 你还记得我的名字吗?

AI: 当然记得,你是张三

关键点

  1. 消息历史管理: 每次对话都需要包含之前的消息
  2. 上下文理解: AI通过历史消息理解对话上下文
  3. 状态保持: 在多轮对话中保持对话状态

📝 代码示例解析

示例1:简单调用

response = llm.invoke("你好,请用一句话介绍一下你自己")
  • invoke(): 同步调用方法
  • 直接传入字符串,LangChain会自动转换为消息格式

示例2:使用消息格式

from langchain_core.messages import HumanMessage

messages = [HumanMessage(content="请告诉我Python有哪些特点?")]
response = llm.invoke(messages)
  • 显式使用HumanMessage,更清晰
  • 可以添加更多消息类型(如SystemMessage)

示例3:多轮对话

# 第一轮
messages = [HumanMessage(content="我的名字是张三")]
response1 = llm.invoke(messages)

# 第二轮(包含历史)
messages.append(AIMessage(content=response1.content))
messages.append(HumanMessage(content="你还记得我的名字吗?"))
response2 = llm.invoke(messages)
  • 使用列表维护消息历史
  • 每次调用都包含完整的对话历史

🎓 学习要点总结

  1. LangChain是LLM应用的框架,提供统一的接口
  2. 模型调用是最基础的操作,使用invoke()方法
  3. 消息格式标准化了与LLM的交互方式
  4. 多轮对话通过维护消息历史实现

🔗 下一步

完成本章后,你应该能够:

  • ✅ 理解LangChain的基本概念
  • ✅ 成功调用LLM模型
  • ✅ 使用消息格式进行交互
  • ✅ 实现简单的多轮对话

下一章我们将深入学习**模型(Models)**的详细配置和使用方法。

📚 参考资源

Logo

Agent 垂直技术社区,欢迎活跃、内容共建。

更多推荐