LangChain：安装与应用

accttodo 12/31/2025 大模型LLM应用开发LangChain

LangChain安装指南

参考

# LangChain：安装与应用

# LangChain安装指南

# 一、环境准备

Python版本：推荐 Python 3.8+（对低版本兼容性有限）。
包管理工具：使用 pip 安装依赖。

虚拟环境：在虚拟环境中安装，以隔离项目依赖，避免依赖冲突。

# 方法一：venv
python -m venv myenv
source myenv/bin/activate  # Linux/macOS
myenv\Scripts\activate     # Windows

1
2
3
4

# 方法二：conda
conda create -n langchain-env python=3.10
conda activate langchain-env

1
2
3

# 二、安装核心基础包

# 安装主包
pip install langchain

1
2

主包提供了一个基本的起点，安装主包langchain时同时安装了langchain-core核心包库。注意：仅安装此包无法连接具体模型或数据源，需额外安装集成包。

# 1. LangChain（主包）

定位：应用开发框架
功能：
- 提供构建大语言模型(LLM)应用的高层抽象和工具链
  - 链(Chains)：预定义的工作流程（如问答链、摘要链）
  - 代理(Agents)：动态决策模块
  - 内存(Memory)：对话状态管理
  - 检索(Retrieval)：文档处理工具
特点：集成中心，通过langchain-community整合第三方服务

# 2. LangChain-Core（核心库）

定位：基础架构层

功能：

定义核心抽象接口：
- Runnable：可执行组件的统一接口
- BasePromptTemplate：提示词模板规范
- BaseOutputParser：输出解析器标准

实现LangChain表达式语言(LCEL)：

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

chain = (
    ChatPromptTemplate.from_template("{topic}是什么？") 
    | model 
    | StrOutputParser()
)

1
2
3
4
5
6
7
8

特点：轻量级，仅包含基础抽象（无具体实现）、可扩展，允许自定义组件实现

# 3. LangChain和LangChain-Core的关系

langchain 是面向终端开发者的上层框架，包含开箱即用的组件和集成。
langchain-core 是支撑前者的底层引擎，定义接口规范和核心运行时。

特性	LangChain	LangChain-Core
定位	应用开发框架	基础架构规范
包含内容	链/代理/内存等完整工具	抽象接口+LCEL核心
依赖关系	依赖core和其他扩展包	零依赖（纯接口定义）
安装大小	较大（~10MB）	极小（~1MB）
典型使用场景	快速开发端到端应用	开发底层组件/定制框架
版本更新频率	高（每周更新）	低（保持稳定）

# 三、安装生态系统包（按需选择）

# 1、集成与扩展包

# 1. 特定提供商包

功能：针对主流AI服务商（如OpenAI、Azure OpenAI、Anthropic）的专属集成。

# 安装示例：
pip install langchain-openai       # OpenAI模型
pip install langchain-huggingface  # Hugging Face模型集成

1
2
3

# 2. langchain-community

功能：集成第三方服务（如数据库、API、向量存储等），包含大量社区贡献的适配器。
```
# 安装
pip install langchain-community
```
1
2
示例集成：
- 数据库：langchain_community.sql_database
- API：langchain_community.llms.tongyi（通义千问）
- 向量存储：langchain_community.vectorstores.chroma

# 3. langchain-experimental

功能：实验性代码库，包含前沿功能（如多模态、强化学习），适合研究场景。
```
# 安装
pip install langchain-experimental
```
1
2

# 2、应用开发包

# 1. LangGraph

功能：构建有状态、多角色交互的应用（如对话系统、工作流引擎）。
```
# 安装
pip install langgraph
```
1
2

# 2. LangServe

功能：将LangChain链（Chain）部署为REST API，支持客户端-服务端分离。

# 安装
pip install "langserve[all]"    # 完整安装（客户端+服务端）
pip install "langserve[client]" # 仅客户端
pip install "langserve[server]" # 仅服务端

1
2
3
4

# 3. LangChain CLI

功能：命令行工具，用于模板管理、LangServe项目初始化。
```
# 安装
pip install langchain-cli
```
1
2

# 3、专用工具包

# 1. LangSmith SDK

功能：调试、监控和评估LLM应用的工具链，可独立使用。
```
# 安装
pip install langsmith  # 通常随LangChain自动安装
```
1
2

# 2. langchain-huggingface

功能：Hugging Face官方合作包，支持其模型在LangChain中的无缝调用。
```
# 安装
pip install langchain-huggingface
```
1
2

# 五、验证安装

# 1. 检查包信息

pip show langchain

输出：

Name: langchain
Version: 0.3.25
Summary: Building applications with LLMs through composability
Home-page: 
Author: 
Author-email: 
License: MIT
Location: D:\ResLibFiles\Repository\Anaconda\anaconda3\envs\pystu\Lib\site-packages
Requires: langchain-core, langchain-text-splitters, langsmith, pydantic, PyYAML, requests, SQLAlchemy
Required-by:

1
2
3
4
5
6
7
8
9
10

解释：
- Name: 包名，这里是langchain。
- Version: 当前安装的版本，这里是0.3.25。
- Summary: 包的简要描述，说明这个包用于通过组合性构建基于大型语言模型（LLMs）的应用程序。
- Home-page: 项目的主页，这里没有显示，通常会是项目的GitHub地址或官方网站。
- Author 和 Author-email: 作者和作者邮箱，这里没有显示。
- License: 许可证类型，这里是MIT许可证。
- Location: 包安装的位置，即该包在本地文件系统中的路径。
- Requires: 该包所依赖的其他Python包。从输出中可以看到，langchain依赖于：
  - langchain-core: LangChain的核心库，包含基础抽象和LangChain表达式语言（LCEL）。
  - langchain-text-splitters: 用于文本分割的工具。
  - langsmith: LangChain的开发者平台，用于调试、测试、监控和评估LLM应用。
  - pydantic: 用于数据验证和设置管理的库。
  - PyYAML: 用于处理YAML文件的库。
  - requests: 用于发送HTTP请求的库。
  - SQLAlchemy: 一个ORM（对象关系映射）库，用于数据库操作。
- Required-by: 显示哪些包依赖于此包。这里为空，表示当前环境中没有其他已安装的包依赖于这个langchain包。

# 2. 简单测试代码

import langchain
import langchain_core
# 导入特定集成（如langchain_openai）
print("LangChain版本:", langchain.__version__)
print("Core版本:", langchain_core.__version__)

1
2
3
4
5

from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_template("告诉我关于{topic}的一句话")
model = ChatOpenAI(api_key="YOUR_KEY")  # 替换真实API Key
chain = prompt | model

response = chain.invoke({"topic": "宇宙"})
print(response.content)  # 应输出非空文本

1
2
3
4
5
6
7
8
9

LangChain使用指南：提示词工程 LangChain：概念术语

知识库

Choose mode

LangChain：安装与应用

LangChain：安装与应用

# LangChain：安装与应用

# LangChain安装指南

# 一、环境准备

# 二、安装核心基础包

# 1. LangChain（主包）

# 2. LangChain-Core（核心库）

# 3. LangChain和LangChain-Core的关系

# 三、安装生态系统包（按需选择）

# 1、集成与扩展包

# 1. 特定提供商包

# 2. langchain-community

# 3. langchain-experimental

# 2、应用开发包

# 1. LangGraph

# 2. LangServe

# 3. LangChain CLI

# 3、专用工具包

# 1. LangSmith SDK

# 2. langchain-huggingface

# 五、验证安装

# 1. 检查包信息

# 2. 简单测试代码