AI时代，相信大家或多或少都听过 LangChain 的大名。通俗的说，LangChain是一个面向大模型的开发框架（SDK）。
目前 LangChain 仍在快速迭代中，所以在使用中要时刻关注你所使用的版本和接口变更。
0. 认识LangChain框架
从上图可以看到，LangChain 目前有四层框架：
- 最下层深色部分：LangChain的Python和JavaScript库。包含无数组件的接口和集成，以及将这些组件组合到一起的链（chain）和代理（agent）封装，还有链和代理的具体实现。
- Templates：一组易于部署的参考体系结构，用于各种各样的任务。
- LangServe：用于将LangChain链部署为REST API的库。
- LangSmith：一个开发人员平台，允许您调试、测试、评估和监控基于任何LLM框架构建的链，并与LangChain无缝集成。
在最下层深色部分- LangChain的Python和JavaScript库中，可以看到它封装了一系列模块。
- 模型 I/O 封装，包括：
- LLMs：大语言模型
- ChatModels：一般基于 LLMs，但按对话结构重新封装
- Prompt：提示词模板
- OutputParser：解析输出
- Retrieval 数据连接与向量检索封装，包括：
- Retriever: 向量的检索
- Document Loader：各种格式文件的加载器
- Embedding Model：文本向量化表示，用于检索等操作
- Verctor Store: 向量的存储
- Text Splitting：对文档的常用操作
- Agents 根据用户输入，自动规划执行步骤，自动选择每步需要的工具，最终完成用户指定的功能，包括：
- Tools：调用外部功能的函数，例如：调 google 搜索、文件 I/O、Linux Shell 等等
- Toolkits：操作某软件的一组工具集，例如：操作 DB、操作 Gmail 等等
- Chain 实现一个功能或者一系列顺序功能组合
- Memory 记忆封装，也就是上下文的管理能力封装
- Callbacks 一些过程回调函数
1. 动手实现你的第一个LangChain程序
1.1 LangChain 环境
（1）安装 LangChain
- pip 安装
pip install langchain
- conda 安装
conda install langchain -c conda-forge
（2）安装 LangChain X OpenAI
LangChain封装了对于大模型的调用接口，也就是说，我们可以选择使用的模型，无论是在线模型还是本地部署的模型。本文我们还是使用OpenAI的API来调用大模型。
pip install -U langchain-openai
1.2 通过LangChain的接口来调用OpenAI对话
import os # 加载 .env 到环境变量 from dotenv import load_dotenv, find_dotenv _ = load_dotenv(find_dotenv()) from langchain_openai import ChatOpenAI ## langchain封装的openai对话接口 llm = ChatOpenAI() # 默认是gpt-3.5-turbo response = llm.invoke("你是谁") ## 通过 invoke 传入对话 print(response.content) ## 运行结果输出：我是一个AI助手，没有具体的身份。我是由OpenAI开发的，可以帮助回答问题和提供信息。
1.3 多轮对话的封装
import os # 加载 .env 到环境变量 from dotenv import load_dotenv, find_dotenv _ = load_dotenv(find_dotenv()) from langchain_openai import ChatOpenAI llm = ChatOpenAI() # 默认是gpt-3.5-turbo from langchain.schema import ( AIMessage, #等价于OpenAI接口中的assistant role HumanMessage, #等价于OpenAI接口中的user role SystemMessage #等价于OpenAI接口中的system role ) messages = [ SystemMessage(content="你是[同学小张]的个人助理。你叫[小明]"), HumanMessage(content="我叫[同学小张]"), AIMessage(content="好的老板，你有什么吩咐？"), HumanMessage(content="我是谁") ] response = llm.invoke(messages) print(response.content) ## 运行输出：您是同学小张。
通过以上代码可以看到：
- LangChain内封装了AIMessage、HumanMessage、SystemMessage等消息类型，区分消息来源。
- invoke对话接口接收一系列消息，可以实现多轮对话（上述代码中的多轮对话在哪：第一轮是“我叫[同学小张]”，第二轮我问它"我是谁"时，第一轮我的名字的信息带进去了，所以它才能回复：“您是同学小张”）。
这样模型封装的意义在哪？
- 可以实现不同模型间的无缝切换，
llm = ChatOpenAI()是GPT模型，它可以换成llm = ErnieBotChat()，其它代码都不用改，就可以切换到文心大模型。
好了，本文先写到这，算是对 LangChain 系列开了个头。后面咱们深入各个模块去学习和实战。
如果觉得本文对你有帮助，麻烦点个赞和关注呗 ~~~
- 大家好，我是同学小张
- 欢迎 点赞 + 关注 👏，促使我持续学习，持续干货输出。
- +v: jasper_8017 一起交流💬，一起进步💪。
- 微信公众号也可搜【同学小张】 🙏
- 踩坑不易，感谢关注和围观
本站文章一览：
