LangChain快速上手
前言
本章节将带你快速搭建一个 LangChain 开发环境，并完成你的第一个应用程序。通过简单示例，你将熟悉 LangChain 的基础操作流程。
安装与环境配置
系统需求
- Python 版本：>=3.9
- 推荐使用虚拟环境（如 venv 或 conda）以便隔离依赖。
安装 LangChain
因为 OpenAI 国内挂代理访问比较慢，为了方便学习，我使用百度的千帆模型来演示。所以在安装 LangChain 之前，你最好去注册一个千帆的账号，具体操作如下：
帐号注册成功后，进入到控制台找到 "百度智能云千帆 AppBuilder"，点击进入 AppBuilder 页面。
点击 密钥管理 选项，进入 “我的应用” 页面。
点击 创建应用 按钮，填写应用的名称和描述完成创建。
在应用列表中找到刚刚创建的应用，将 API key 和 secret key 复制保存，后续会用到。
在申请完千帆模型所需的 key 之后，我们可以运行以下命令安装最新版本的 LangChain 和相关依赖：
mkdir langchain
cd langchain/
python3 -m venv .venv
source .venv/bin/activate
pip install langchain-core langgraph>0.2.27 langchain langchain_community qianfan
⚠️ 注意: 为了方便，我将其他依赖也安装了。
第一个 LangChain 例子：调用 千帆 API
import os
from langchain_community.llms.baidu_qianfan_endpoint import QianfanLLMEndpoint
os.environ["QIANFAN_AK"] = "千帆apikey"
os.environ["QIANFAN_SK"] = "千帆secret key"
llm = QianfanLLMEndpoint(temperature=0.9)
text = "百度是一家什么样的公司?"
print(llm.invoke(text))
运行结果如下图所示：
以上代码设置了 API key，初始化了 QianfanLLMEndpoint 对象，并调用 invoke 方法完成对百度这家公司的评价。
LangChain 的基本模块概览
LangChain 提供了一系列模块化工具，便于开发复杂的应用程序。在后续章节中会详细讲解各模块的使用，这里提供一个概览：
Prompt Templates（提示词模板）
提示模板用于构建动态提示，适用于需要变量插值的场景。
示例代码：
from langchain.prompts import PromptTemplate
template = "请使用{word_count}个词描述langchain。"
prompt = PromptTemplate(input_variables=["word_count"], template=template)
print(prompt.format(word_count=10))
运行结果如下：
(.venv) ➜ python prompt.py
请使用10个词描述langchain。
Chains (链)
Chains 用于串联多个步骤，比如将用户输入传递到模型，然后将模型输出传递到另一个处理步骤。类似于 Linux 的管道，即将前面的结果作为条件传给下一个程序来处理。
示例代码：
import os
from langchain.chains.llm import LLMChain
from langchain.prompts import PromptTemplate
from langchain_community.llms import QianfanLLMEndpoint
os.environ["QIANFAN_AK"] = "千帆apikey"
os.environ["QIANFAN_SK"] = "千帆secret key"
template = "用一句话总结以下内容: {text}"
prompt = PromptTemplate(input_variables=['text'], template=template)
llm = QianfanLLMEndpoint(temperature=0.9)
chain = LLMChain(llm=llm, prompt=prompt)
response = chain.run("LangChain 是一个帮助构建 AI 应用的框架。")
print(response)
运行结果如下：
(.venv) ➜ python chains.py
[WARNING][2024-12-15 01:40:49.177] redis_rate_limiter.py:21 [t:8428670784]: No redis installed, RedisRateLimiter unavailable. Ignore this warning if you don't need to use qianfan SDK in distribution environment
/langchain/chains.py:15: LangChainDeprecationWarning: The class `LLMChain` was deprecated in LangChain 0.1.17 and will be removed in 1.0. Use :meth:`~RunnableSequence, e.g., `prompt | llm`` instead.
chain = LLMChain(llm=llm, prompt=prompt)
/langchain/chains.py:17: LangChainDeprecationWarning: The method `Chain.run` was deprecated in langchain 0.1.0 and will be removed in 1.0. Use :meth:`~invoke` instead.
response = chain.run("LangChain 是一个帮助构建 AI 应用的框架。")
[INFO][2024-12-15 01:40:49.207] oauth.py:277 [t:8428670784]: trying to refresh token for ak `2ctEom***`
[INFO][2024-12-15 01:40:49.385] oauth.py:304 [t:8428670784]: successfully refresh token
LangChain是一个AI应用框架的助建工具。
其他模块概览
Tools
工具允许模型访问外部数据源或执行特定功能，例如调用搜索引擎、数据库或 API。
Memory
Memory 提供对话的上下文记忆功能，允许在多轮对话中保留历史记录。
Agents
代理能够动态决策，结合提示、工具和记忆实现复杂的多工具交互。
模型 I/O
是 LangChain 与大模型的接口，负责处理输入和数据输出，以及各种大模型的交互。
回调 (callbacks)
记录和传输链的中间步骤。
总结
今天的内容到此就结束了，通过本章节，你已经成功安装 LangChain，运行了一个基本示例，并初步了解了核心模块的功能。接下来可以深入探索各个模块的详细应用。