LangChain 环境搭建

本篇将带你完成 LangChain 的安装和配置，确保你能顺利运行第一个 LangChain 程序。

环境要求

项目	最低版本	推荐版本
Python	3.10	3.11 或 3.12
pip	22.0	最新版
操作系统	macOS / Linux / Windows 均可

检查 Python 版本：

$ python --version
Python 3.12.7

如果你还没有安装 Python，可以参考我们的 Python3 环境搭建。

Python 包与环境管理工具参考： uv 入门教程。

安装 LangChain

LangChain 采用模块化设计，核心功能和第三方集成分开安装。

安装核心包

$ pip install langchain

这个命令会安装 langchain 主包，它包含了 init_chat_model()、create_agent() 等核心 API，同时会自动安装 langchain-core 作为依赖。

安装模型提供商包

LangChain 本身不包含具体的模型实现，你需要根据使用的模型安装对应的提供商包：

模型提供商	安装命令	使用的模型
OpenAI	pip install langchain-openai	GPT-4、GPT-5 等
Anthropic	pip install langchain-anthropic	Claude 系列
DeepSeek	pip install langchain-deepseek	DeepSeek-V3、R1 等
Google	pip install langchain-google-genai	Gemini 系列
Ollama（本地模型）	pip install langchain-ollama	Llama、Qwen 等本地模型
xAI	pip install langchain-xai	Grok 系列
Mistral	pip install langchain-mistralai	Mistral 系列

一键安装

建议初学者直接安装以下组合：

$ pip install langchain langchain-openai python-dotenv

python-dotenv 用于从 .env 文件加载 API Key，这是管理敏感信息的最佳实践，可以避免将 Key 硬编码在代码中。

配置 API Key

获取 API Key

以 OpenAI 为例，你需要先注册账号并获取 API Key：

访问 https://platform.openai.com 注册或登录
进入 API Keys 页面，点击 "Create new secret key"
复制生成的 Key（格式为 sk-xxxxxxxx）

API Key 只会显示一次，请立即保存到安全的地方。不要将 Key 提交到 Git 仓库或分享给他人。

其他提供商的获取方式类似，请参考对应文档。

设置环境变量

推荐使用 .env 文件管理 API Key。在项目根目录创建 .env 文件：

实例

# 文件路径：.env
# 填入你的 API Key
OPENAI_API_KEY=sk-your-api-key-here

# 如果使用其他模型，也在这里配置
# ANTHROPIC_API_KEY=sk-ant-your-key
# DEEPSEEK_API_KEY=sk-your-key

然后创建 .gitignore 文件，确保 .env 不会被提交：

# .gitignore
.env
__pycache__/
*.pyc

在代码中加载

实例

# 文件路径：config.py
# 在程序开头加载 .env 文件
import os
from dotenv import load_dotenv

# 加载 .env 文件中的环境变量
load_dotenv()

# 验证 API Key 是否加载成功
api_key = os.getenv("OPENAI_API_KEY")
if api_key:
# 只显示前8位和后4位，避免泄露完整 Key
print(f"API Key 已加载: {api_key[:8]}...{api_key[-4:]}")
else:
print("警告：未找到 OPENAI_API_KEY，请检查 .env 文件")

验证安装

运行以下脚本验证安装是否成功：

实例

# 文件路径：verify_install.py
# 验证 LangChain 安装和 API Key 配置
from dotenv import load_dotenv
load_dotenv()

# 测试 1：验证 langchain 导入
try:
import langchain
print(f"langchain 版本: {langchain.__version__}")
except ImportError:
print("错误：langchain 未安装，请运行 pip install langchain")

# 测试 2：验证 langchain-openai 导入
try:
import langchain_openai
print("langchain-openai 已安装")
except ImportError:
print("错误：langchain-openai 未安装，请运行 pip install langchain-openai")

# 测试 3：验证 API Key 配置
import os
api_key = os.getenv("OPENAI_API_KEY")
if not api_key:
print("错误：OPENAI_API_KEY 未配置，请在 .env 文件中设置")
else:
print(f"API Key 配置成功: {api_key[:8]}...{api_key[-4:]}")

# 测试 4：发送一条测试请求
from langchain.chat_models import init_chat_model

model = init_chat_model("openai:gpt-4o-mini")
response = model.invoke("用一句话介绍菜鸟教程（RUNOOB）")
print(f"\n模型回复: {response.content}")

运行结果：

langchain 版本: 1.3.0
langchain-openai 已安装
API Key 配置成功: sk-proj-z...xxxx
模型回复: 菜鸟教程（RUNOOB）是一个面向编程初学者的中文技术学习平台。

如果最后一步报错，请检查：(1) API Key 是否正确；(2) 是否有网络代理影响连接；(3) 账户余额是否充足。

国内我们可以采用 DeepSeek 大模型来测试，如果还没有需要先去 https://platform.deepseek.com/api_keys 创建一个 API key。

DeepSeek 的 API 文档参考：https://api-docs.deepseek.com/zh-cn/。

如果你需要统一管理多个第三方模型，可以选择安装 LiteLLM 作为模型网关：

pip install -U litellm

不过本文的示例直接使用 ChatOpenAI 配合 openai_api_base 参数连接 DeepSeek，无需额外安装 LiteLLM。

实例

import os
from langchain_openai import ChatOpenAI

# 建议将 API Key 放在环境变量中，或者直接在此处赋值（生产环境请勿硬编码）
# os.environ["DEEPSEEK_API_KEY"] = "sk-你的DeepSeek密钥"

# 初始化模型
llm = ChatOpenAI(
model="deepseek-v4-pro", # DeepSeek V4 模型名称
openai_api_key="sk-你的Key", # 填入你的 DeepSeek API Key
openai_api_base="https://api.deepseek.com", # DeepSeek 的 API 地址
temperature=0.7,
max_tokens=1024
)

# 测试一下
response = llm.invoke("你好，DeepSeek！请做一个简短的自我介绍。")
print(response.content)

执行以上代码，就会输出内容：

你好！很高兴认识你！

我是DeepSeek，由深度求索公司创造的AI助手。我的特点包括：
。。。

项目目录建议

推荐的项目目录结构：

langchain-learning/
├── .env                  # API Key 配置（不提交到 Git）
├── .gitignore            # Git 忽略规则
├── config.py             # 公共配置加载
├── 01_hello_world.py     # 第一篇的示例
├── 02_first_agent.py     # Agent 示例
└── ...                   # 更多练习

返回顶部