LangChain 教程
LangChain 是一套用于构建 AI 智能体（AI Agent）和大语言模型（LLM）应用的开发框架。
LangChain 可以帮助开发者快速构建基于 GPT、Claude、Gemini 等大模型的复杂 AI 应用。
LangChain 由 Harrison Chase 于 2022 年 10 月推出，核心目标是：简化大语言模型应用开发流程。
LangChain提供统一接口，可连接：大模型、Prompt、向量数据库、工具调用、记忆系统以及 Agent 工作流。
目前 LangChain 已成为最热门的 LLM 应用开发框架之一，广泛应用于：智能聊天机器人、RAG 知识库、文档分析、代码生成、AI 自动化等场景。
谁适合阅读本教程？
本教程适合具备 Python 基础，并希望学习 AI 应用开发的开发者。
- 有 Python 基础，想学习 AI 与大语言模型开发的新手
- 想开发 AI 聊天机器人、知识库、Agent 应用的开发者
- 对 GPT、Claude、RAG、向量数据库感兴趣的学习者
- 希望使用 LangChain 快速构建 AI 项目的工程师
- 想从传统开发转向 AI 应用开发的程序员
学习本教程前你需要了解
学习本教程前，你需要具备一定 Python 基础，并了解基础 Web 与 API 概念。
- Python 基础：变量、函数、类、模块导入、异常处理
- HTTP 与 API 基础：GET/POST 请求、JSON 数据格式
- Prompt 基础：了解什么是 Prompt 与大语言模型
- 基础数据库知识：了解 SQLite / MySQL 基础操作
- 了解基本命令行操作与 pip 包管理
LangChain 可以做什么？
- AI 聊天机器人（ChatBot）
- RAG 企业知识库
- PDF 文档问答系统
- AI Agent 自动任务执行
- 代码生成与代码分析
- 多轮对话与上下文记忆
- 联网搜索与工具调用
- 工作流自动化系统
第一个 LangChain 程序
以下代码使用 LangChain 调用 OpenAI 模型，并输出 AI 生成内容：
实例
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
# 初始化模型
llm = ChatOpenAI(
model="gpt-4o-mini"
)
# Prompt 模板
prompt = ChatPromptTemplate.from_template(
"请解释：{topic}"
)
# 创建 Chain
chain = prompt | llm
# 调用
result = chain.invoke({
"topic": "什么是 Transformer"
})
print(result.content)
from langchain_core.prompts import ChatPromptTemplate
# 初始化模型
llm = ChatOpenAI(
model="gpt-4o-mini"
)
# Prompt 模板
prompt = ChatPromptTemplate.from_template(
"请解释：{topic}"
)
# 创建 Chain
chain = prompt | llm
# 调用
result = chain.invoke({
"topic": "什么是 Transformer"
})
print(result.content)
运行后，大模型会自动生成关于 Transformer 的解释内容。
LangChain 核心组件
- LLM：连接 OpenAI、Claude、Gemini 等大模型
- PromptTemplate：管理 Prompt 模板
- Chains：构建多步骤 AI 工作流
- Memory：实现多轮对话记忆
- Tools：调用搜索、数据库、API 等工具
- Agents：让 AI 自动决策与执行任务
- Vector Store：连接向量数据库实现 RAG
参考文档
- LangChain 官网： https://www.langchain.com/
- LangChain Python 文档： https://python.langchain.com/
- LangChain JavaScript 文档： https://js.langchain.com/
- LangChain GitHub： https://github.com/langchain-ai/langchain