LangChain 开发：零基础入门教程

引言

在人工智能飞速发展的今天，大语言模型（LLM）如 GPT-4、Claude 等已经展现出惊人的能力。然而，单独使用这些模型往往面临诸多限制：无法访问实时数据、缺乏记忆能力、难以与外部工具交互。LangChain 应运而生，它是一个强大的框架，旨在帮助开发者将 LLM 与外部数据源、API 和工具无缝集成，构建复杂的 AI 应用。

对于零基础的开发者来说，LangChain 可能听起来有些复杂，但事实上，它的设计理念非常直观——通过“链”（Chain）的方式将不同组件连接起来，让大模型能够完成更复杂的任务。本文将带你从零开始，逐步掌握 LangChain 的核心概念和开发技巧。

什么是 LangChain？

LangChain 是一个开源的 Python 框架，于 2022 年 10 月由 Harrison Chase 创建。它的核心目标是解决大语言模型在实际应用中的三个关键问题：

1. 数据连接：让模型能够访问私有数据或实时信息
2. 记忆管理：使对话具备上下文记忆能力
3. 工具集成：允许模型调用外部 API 和执行代码

简单来说，LangChain 就像是一个“胶水”，把大模型、数据库、搜索引擎、计算器等组件粘合在一起，形成一个功能强大的 AI 应用。

环境搭建与安装

基本安装

首先，确保你的 Python 版本在 3.8 以上。通过 pip 安装 LangChain：

pip install langchain

安装必要的依赖

根据你的需求，你可能还需要安装以下组件：

# OpenAI 集成
pip install openai

# 文档加载器
pip install pypdf python-docx

# 向量数据库
pip install chromadb faiss-cpu

# 其他工具
pip install tiktoken

配置 API 密钥

以 OpenAI 为例，你需要设置 API 密钥：

import os
os.environ["OPENAI_API_KEY"] = "your-api-key-here"

核心概念详解

1. 模型（Models）

LangChain 支持多种大语言模型，包括：

• LLM：基础的语言模型，如 GPT-3.5
• Chat Models：对话模型，如 GPT-4、Claude
• Text Embedding Models：文本嵌入模型

示例代码：

from langchain.llms import OpenAI
from langchain.chat_models import ChatOpenAI

# 使用 LLM
llm = OpenAI(model_name="gpt-3.5-turbo-instruct")
response = llm("解释什么是机器学习")
print(response)

# 使用 Chat Model
chat_model = ChatOpenAI(model_name="gpt-4")
response = chat_model.predict("用简单的语言解释量子计算")
print(response)

2. 提示词模板（Prompts）

提示词模板是 LangChain 的核心组件之一，它允许你创建可复用的提示结构：

from langchain.prompts import PromptTemplate

# 创建模板
template = """
你是一位{role}专家。
请用{language}回答以下问题：
{question}
"""

prompt = PromptTemplate(
    input_variables=["role", "language", "question"],
    template=template
)

# 使用模板
formatted_prompt = prompt.format(
    role="人工智能",
    language="中文",
    question="什么是深度学习？"
)

3. 链（Chains）

链是 LangChain 的核心概念，它将多个步骤串联起来：

from langchain.chains import LLMChain
from langchain.llms import OpenAI

# 创建简单的链
llm = OpenAI(temperature=0.7)
chain = LLMChain(
    llm=llm,
    prompt=prompt
)

# 运行链
result = chain.run(
    role="数据科学",
    language="英文",
    question="什么是过拟合？"
)

4. 记忆（Memory）

记忆组件让 LLM 能够记住对话历史：

from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain

# 创建带记忆的对话链
memory = ConversationBufferMemory()
conversation = ConversationChain(
    llm=llm,
    memory=memory
)

# 进行对话
response1 = conversation.predict(input="你好，我叫小明")
response2 = conversation.predict(input="你还记得我的名字吗？")

5. 文档加载与分割

处理大量文本时，需要将文档分割成合适的块：

from langchain.document_loaders import TextLoader
from langchain.text_splitter import CharacterTextSplitter

# 加载文档
loader = TextLoader("document.txt")
documents = loader.load()

# 分割文本
text_splitter = CharacterTextSplitter(
    chunk_size=1000,
    chunk_overlap=200
)
chunks = text_splitter.split_documents(documents)

6. 向量存储与检索

向量存储是实现 RAG（检索增强生成）的关键：

from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import Chroma

# 创建嵌入
embeddings = OpenAIEmbeddings()

# 创建向量存储
vectorstore = Chroma.from_documents(
    documents=chunks,
    embedding=embeddings
)

# 相似性搜索
query = "什么是机器学习"
results = vectorstore.similarity_search(query, k=3)

实战项目：构建知识问答系统

现在，让我们用所学知识构建一个完整的知识问答系统。

项目结构

from langchain.chains import RetrievalQA
from langchain.llms import OpenAI
from langchain.document_loaders import PyPDFLoader
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import Chroma
from langchain.text_splitter import RecursiveCharacterTextSplitter

class KnowledgeQA:
    def __init__(self):
        self.llm = OpenAI(temperature=0)
        self.embeddings = OpenAIEmbeddings()
        self.vectorstore = None
        
    def load_documents(self, file_path):
        """加载文档"""
        loader = PyPDFLoader(file_path)
        documents = loader.load()
        
        # 分割文档
        text_splitter = RecursiveCharacterTextSplitter(
            chunk_size=500,
            chunk_overlap=100
        )
        chunks = text_splitter.split_documents(documents)
        
        # 创建向量存储
        self.vectorstore = Chroma.from_documents(
            documents=chunks,
            embedding=self.embeddings
        )
        
    def ask_question(self, question):
        """回答问题"""
        if not self.vectorstore:
            return "请先加载文档"
            
        qa_chain = RetrievalQA.from_chain_type(
            llm=self.llm,
            chain_type="stuff",
            retriever=self.vectorstore.as_retriever()
        )
        
        return qa_chain.run(question)

# 使用示例
qa_system = KnowledgeQA()
qa_system.load_documents("ai_handbook.pdf")
answer = qa_system.ask_question("什么是神经网络？")
print(answer)

高级特性探索

1. 代理（Agents）

代理可以自主决定使用哪些工具：

from langchain.agents import initialize_agent, Tool
from langchain.tools import WikipediaQueryRun

# 定义工具
tools = [
    Tool(
        name="Wikipedia",
        func=WikipediaQueryRun().run,
        description="搜索维基百科"
    ),
    Tool(
        name="Calculator",
        func=lambda x: eval(x),
        description="执行数学计算"
    )
]

# 创建代理
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent="zero-shot-react-description",
    verbose=True
)

# 使用代理
agent.run("计算 2的10次方 并查找其历史背景")

2. 回调（Callbacks）

回调机制让你可以监控和调试链的执行过程：

from langchain.callbacks import StdOutCallbackHandler

handler = StdOutCallbackHandler()
chain.run(input="问题", callbacks=[handler])

最佳实践与注意事项

性能优化

1. 合理设置 chunk 大小：过大会导致上下文溢出，过小会丢失语义
2. 使用缓存：对重复查询使用缓存减少 API 调用
3. 选择合适的模型：简单任务用 GPT-3.5，复杂任务用 GPT-4

错误处理

from langchain.schema import LLMResult

try:
    result = chain.run(input)
except Exception as e:
    print(f"错误发生: {e}")
    # 实现降级策略

安全考虑

• 不要在提示词中暴露敏感信息
• 对用户输入进行过滤和验证
• 设置合理的 token 限制

总结

通过本文的学习，你已经掌握了 LangChain 的核心概念和基本开发技能。从环境搭建到构建完整的知识问答系统，我们一步步探索了这个强大框架的方方面面。

LangChain 的价值在于它让开发者能够：

• 快速原型开发：无需从头实现复杂的 AI 逻辑
• 组件化开发：各个模块可以独立测试和替换
• 灵活扩展：支持自定义组件和第三方集成

作为零基础的入门者，建议你按照以下路径继续学习：

1. 熟练掌握本文中的基础组件
2. 尝试构建更多实际应用（如聊天机器人、文档分析工具）
3. 深入理解 RAG、Agent 等高级概念
4. 关注社区动态，学习最新的最佳实践

记住，AI 开发不仅仅是技术实现，更重要的是理解业务需求，设计合理的交互流程。LangChain 为你提供了强大的工具，真正的价值在于你如何运用它们解决实际问题。

现在，打开你的编辑器，开始你的第一个 LangChain 项目吧！