企业官网建设流程全解析

今天开始系统攻克 LangChain 1.0！记录一下大模型交互、智能体范式以及如何在本地环境基于 Python 构建基础开发闭环。

1. 概念解构：从大模型到智能体

在真正动手前，先厘清这几个核心概念的关系：

• 大模型 (LLM)：通用的“数字大脑”，具备基础的理解和推理能力。
• 智能体 (Agent)：大模型 + 感知 + 决策 + 行动 + 记忆。赋予大模型使用工具和自主规划的能力。
• LangChain 1.0：中间层开发框架。将模型调用、Prompt 管理、状态上下文以及外部工具胶水化粘合。

2. 环境搭建与 API 配置

环境基于 Python 3.11，先安装核心依赖：

# 安装 LangChain 核心包与 OpenAI 兼容 SDKpipinstalllangchain langchain-openai openai python-dotenv-ihttps://pypi.tuna.tsinghua.edu.cn/simple

在项目根目录下配置.env环境变量：

DEEPSEEK_API_KEY=your_deepseek_api_key_here DEEPSEEK_BASE_URL=https://api.deepseek.com

3. 代码实战：基于init_chat_model的工厂化接入

LangChain 1.0 推荐使用init_chat_model统一工厂函数初始化模型。

新建first_call.py：

importosfromdotenvimportload_dotenvfromlangchain.chat_modelsimportinit_chat_model# 1. 载入环境变量load_dotenv()# 2. 统一工厂函数实例化 DeepSeek (OpenAI 兼容协议)model=init_chat_model(model="deepseek-chat",model_provider="openai",api_key=os.getenv("DEEPSEEK_API_KEY"),base_url=os.getenv("DEEPSEEK_BASE_URL"),temperature=0.7)# 3. 基础推理调用response=model.invoke("请用一句话解释什么是 LangChain？")print(response.content)

4. 场景落地：课程答疑小助手

把基础调用进一步抽象为业务函数：

importosfromdotenvimportload_dotenvfromlangchain.chat_modelsimportinit_chat_model load_dotenv()model=init_chat_model(model="deepseek-chat",model_provider="openai",api_key=os.getenv("DEEPSEEK_API_KEY"),base_url=os.getenv("DEEPSEEK_BASE_URL"))defask_assistant(question:str)->str:prompt=f"你是一名专业的课程助教，请简短回答问题：\n{question}"res=model.invoke(prompt)returnres.content# 运行验证print(ask_assistant("Python 里 len() 函数的作用是什么？"))

5. 踩坑与避坑指南

1. load_dotenv()顺序：必须在调用os.getenv之前执行，且保证.env放在根目录。
2. 模型提供者参数：DeepSeek 采用的是 OpenAI 兼容协议，因此model_provider填"openai"即可正常路由。