企业官网建设流程全解析

LangChain 上手攻略：10 分钟跑通一个能跑的 LLM 应用

【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain

你写过 LLM 调用，但一加上多轮对话、工具和文档检索，脚本就开始失控。LangChain 是构建 Agent 和 LLM 应用的 Python 框架——把模型、提示词、工具、文档都抽象成标准组件，用管道符一接，流程就跑起来了。

🎯 解决什么问题

• 想从 OpenAI 换到 Anthropic，两家调用方式不同，改代码要动十几处？LangChain 把模型藏在统一接口后面，换模型只改一行配置。
• 想把公司内部搜索 API 接给 LLM 当工具用，不知道参数怎么传？仓库提供了标准工具接口，函数上加个装饰器就能被模型调用。
• 想先切分文档再检索问答，不想自己造轮子？文本切分和向量库接口在仓库里都是现成的。

🚀 三步跑通

先拉代码到本地，再进到项目根目录。成功后当前文件夹能看到 libs/ 目录，里面是各独立发版的包。

git clone https://gitcode.com/GitHub_Trending/la/langchain && cd langchain

这一步用 uv 按锁文件建虚拟环境、装运行和测试依赖（以维护中的 langchain 包为例）。成功标志是命令无报错退出、目录下多出 .venv。

cd libs/langchain_v1 && uv sync --group test

这条命令跑 tests/unit_tests/ 下的全部单元测试，并且全程断网运行，不消耗任何 API 配额。结尾看到一长串 passed、0 failed，就说明环境完全可用。

make test

🔍 核心能力拆解

一行代码换 LLM

场景：gpt-4o 测完效果不错但成本太高，想换便宜的模型再对比。对应 libs/langchain_v1/langchain/chat_models/ 目录：init_chat_model 统一了各家模型提供商，模型名就是一个字符串参数，换模型不用换客户端、不用改调用代码。

用管道符拼装多步流程

场景：提示词模板 → 模型 → 输出解析器，三段逻辑不该写成层层嵌套的函数调用。对应 libs/core/langchain_core/runnables/ 目录：每个组件都暴露同一套 invoke/stream 接口，prompt | model | parser 一行接完，同步异步都是同样的写法，这也是整个仓库最核心的抽象。

接入本地模型与第三方服务

场景：数据不能出公司，想用 Ollama 在本地跑开源模型。对应 libs/partners/ 目录：16 个官方维护的集成包，含 openai、anthropic、ollama、huggingface、qdrant 等，每个都有独立版本号、锁文件和测试，装哪个加哪个的 extra 就行。

⚠️ 踩坑提醒

• 网上教程大多对应 0.x 版本：仓库里有 core（基础抽象）、langchain（classic 旧版，不再加新功能）、langchain_v1（维护中的当前版本）三套代码，教程里的旧导入路径可能已经失效，以 libs/langchain_v1/ 下的代码为准。
• 单元测试是故意断网的：make test 带 --disable-socket 参数跑，碰到需要真实 API 的测试别慌，那是设计如此；碰真模型的测试放在 integration_tests 里，且需要自备 API key。
• Python 版本有下限：三个包都要求 Python 3.10 以上（最高支持到 3.14），用 3.8/3.9 装依赖会直接报解析错误，先换解释器再怀疑仓库。

🧭 下一步去哪

• 想看各功能怎么用，最地道的教材是 libs/core/tests/unit_tests/，150 多个用例覆盖了消息、提示词、可运行对象等核心模块
• 想看真模型怎么接，翻 libs/partners/openai/tests/，里面大量用 VCR 录制的集成测试，不消耗 API key 也能读懂请求结构

挑一个 partner 集成，把你手头项目的第一行模型调用接上，你会发现这个框架比想象中薄很多。

【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain