如果你刚开始接触大语言模型（LLM）应用开发，市面上各种框架、示例、工具往往会让人无从下手。实则真正好用、能快速搭建可落地 AI 应用的框架并不多，而 LangChain 是其中最值得学习的一个。

许多人认为 LangChain 是“模型调用封装工具”，实则它的能力远比这更强。它能协助你：

• 管理提示模板
• 构造模型链路
• 构建检索增强问答系统
• 为应用增加“记忆”
• 调度智能代理
• 甚至让 AI 主动调用工具、执行任务

下面我将通过一篇真正意义上的入门指南，带你从零开始了解 LangChain 的核心概念，并真正写出你的第一个 LangChain 应用。

一、LangChain 的核心理念：把复杂的 AI 逻辑“模块化”

如果要用一句话概括 LangChain：

LangChain 帮你把大语言模型应用的所有关键步骤拆成“可组合的模块”，然后像搭积木一样自由组合。

这几个模块构成了 LangChain 的基础：

1. Prompt（提示）
2. Model（模型）
3. Memory（记忆）
4. Chains（链路）
5. Tools（工具）
6. Agents（智能代理）
7. Retrieval（检索）

只要理解了这些，你就能构建几乎任何类型的 AI 应用：对话机器人、知识库问答、自动化任务助手、代码助手等。

二、准备环境：安装与基础依赖

安装 LangChain 超级简单。你需要：

• Python 3.8+
• 一两个模型 API，例如 OpenAI

安装 LangChain：

pip install langchain
pip install langchain-openai

如果你还需要检索增强问答（RAG），可以安装 Chroma 或 FAISS：

pip install chromadb

准备好之后，就可以开始实践了。

三、第一个 LangChain 应用：最简单的问答

下面是一个最简版的 LangChain 调用示例，帮你理解它的结构：

from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4.1")

result = model.invoke("给我讲一个关于程序员的冷笑话")
print(result)

你已经用 LangChain 完成了一个模型调用，但这只是开始。

接下来，我们会一步步引入 LangChain 的其他能力。

四、Prompt 模板：让输出“更可控”

直接问模型问题往往不够稳定，我们需要控制输出格式，这就是 Prompt Template 的作用。

from langchain.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

template = PromptTemplate.from_template("把下面内容改写得更幽默一些：

{sentence}")

prompt = template.format(sentence="今天我写了 100 行代码，全都运行失败。")

model = ChatOpenAI()
resp = model.invoke(prompt)

print(resp)

PromptTemplate 的作用超级大：

• 保持格式一致
• 控制模型语气
• 避免提示混乱
• 让调用流程标准化

五、Chain：把多个步骤连接起来

Chain 是 LangChain 最基础的“流程控制器”。你可以把多个步骤链接成一个流程：

from langchain.prompts import ChatPromptTemplate
from langchain.chains import LLMChain
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_template("你是一位翻译专家，把内容翻译成中文：{text}")

chain = LLMChain(
    llm=ChatOpenAI(),
    prompt=prompt
)

result = chain.invoke({"text": "LangChain is a powerful AI framework."})
print(result)

Chain 的优势是：

• 稳定
• 可调试
• 可组合
• **超级适合生产环境**

六、Memory：让模型“记住”对话

单轮对话很简单，但如果你需要连续对话，就必须给 AI 加“记忆”。

LangChain 提供了多种 Memory，列如：

• 短期记忆：存储最近几轮对话
• 长期记忆：配合向量数据库
• 摘要记忆：对冗长对话自动浓缩

示例：对话记忆

from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain
from langchain_openai import ChatOpenAI

memory = ConversationBufferMemory()
chat = ConversationChain(
    llm=ChatOpenAI(),
    memory=memory
)

print(chat.invoke("你好，我叫小王"))
print(chat.invoke("我叫什么？"))

AI 会正确回答“你叫小王”。

七、RAG（检索增强问答）：智能知识库必备

如果你希望 AI 根据你自己的资料回答问题，列如公司文档、产品说明书、法规条文，那就必须用检索增强问答（RAG）。

RAG 的核心步骤：

1. 把文档转成向量
2. 存入向量数据库
3. 用户提问时检索相关内容
4. 把检索内容作为上下文给模型

示例（最简版）：

from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.vectorstores import Chroma
from langchain.chains import RetrievalQA
from langchain_openai import ChatOpenAI

docs = ["LangChain 是一个构建 LLM 应用的框架。"]

splitter = RecursiveCharacterTextSplitter()
docs = splitter.create_documents(docs)

db = Chroma.from_documents(docs, OpenAIEmbeddings())

qa = RetrievalQA.from_chain_type(
    llm=ChatOpenAI(),
    retriever=db.as_retriever()
)

print(qa.invoke("LangChain 是什么？"))

这就是一个完整的企业级知识库雏形。

八、Agent：LangChain 最强能力让 AI 主动调用工具

Agent 是 LangChain 的灵魂。

它可以“自主决定”调用哪个工具，列如：

• 计算器
• 搜索
• 数据库查询
• 读取本地文件
• 访问 API
• 甚至运行 Python 代码

一个简单示例：

from langchain.agents import initialize_agent, Tool
from langchain_openai import ChatOpenAI

def my_tool(q):
    return f"我收到了问题：{q}"

tools = [
    Tool(name="local_tool", func=my_tool, description="一个本地工具")
]

agent = initialize_agent(
    tools,
    ChatOpenAI(model="gpt-4.1"),
    agent="zero-shot-react-description"
)

print(agent.invoke("用工具帮我处理一下这个问题：今天天气怎么样？"))

你会发现它能选择工具 → 生成计划 → 得到结果 → 给你最终答案。

九、LangChain 的 License（开源协议）

LangChain 使用 MIT 许可证。
这意味着：

• 可以免费使用
• 可以商业化
• 可以修改、二次开发
• 分发时保留许可证声明即可

对企业超级友善。

十、学习路径提议（新手最容易走弯路的地方）

以下是一个超级实用、能快速上手的学习顺序：

1. 掌握模型调用与 Prompt

这是基础中的基础。

2. 学链（Chains）

学习如何把多个步骤串起来。

3. 学 Memory

做聊天机器人时必不可少。

4. 学 RAG

企业项目最常见功能。

5. 学 Agent

高级功能，超级强劲，但要循序渐进。

6. 探索调试与评估

随着项目复杂度上升，调试能力超级重大。

十一、总结：LangChain 是构建 AI 应用最值得掌握的框架之一

如果你想真正构建能落地的 AI 应用，而不只是简单调用模型，LangChain 会是你的核心工具。通过它，你可以：

• 更规范地组织模型调用
• 构建知识库问答
• 创建有记忆的聊天机器人
• 开发能自动调用工具的智能助手
• 编排复杂 AI 工作流

对于刚入门的开发者来说，它的学习曲线不算陡峭，但结构超级清晰，一旦掌握之后可以无限扩展。

如果你想把大模型真正应用到业务或项目中，这篇入门指南就是最好的起点。