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

🏗️ 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：

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

💬 消息格式

LangChain使用标准化的消息类型：

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：

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

• LangChain官方文档
• LangChain Python文档
• 示例代码