1. 什么是LangChain？

• 定义：LangChain是一个用于构建大语言模型（LLM）应用的开发框架，支持链式调用、记忆管理、工具集成等。
• 核心功能：
  • 连接LLM（如GPT-4、DeepSeek）与外部数据/工具
  • 构建多步骤任务的工作流（如问答、摘要、数据分析）
  • 支持对话记忆和上下文管理

2. 核心组件

• Models（模型），LangChain支持几乎所有的主流LLM
• Prompts（提示词），动态生成提示模板
• Chains（任务链），多步骤任务串联
• Memory（记忆），管理对话历史，甚至支持没有记忆能力的LLM
• Agents（智能代理），能自动选择工具执行相应的任务

3. 为什么选择LangChain？

4. 实战案例

安装

pip install langchain
pip install -U langchain-deepseek

简单chat案例

from langchain.chat_models import init_chat_model
from langchain_core.messages import SystemMessage, HumanMessage
from langchain_core.prompts import ChatPromptTemplate

# 这里只是示意，工程中建议使用getpass.getpass()来获取API密钥
api_key = "your DeepSeek API key"
api_base = "https://api.deepseek.com/"

def simpleDemo():
    """
    简单的Langchain使用示例
    """

    model = init_chat_model(
        model="deepseek-chat",
        api_key=api_key,
        api_base=api_base,
        temperature=0.8,
        max_tokens=1024,
        model_provider="deepseek",
    )

    messages = [
        SystemMessage("Translate the following English text to Chinese"),
        HumanMessage("Hello, how are you?")
    ]

    response = model.invoke(messages)
    print(response)

if __name__ == "__main__":
    simpleDemo()

流式交互

你在使用各种LLM的时，看见LLM一个字一个字往外蹦字，是不是都惊呆了！别急，用LangChain十分容易的实现这种功能

def streamDemo():
    """
    流式输出的Langchain使用示例
    """
    model = init_chat_model(
        model="deepseek-chat",
        api_key=api_key,
        api_base=api_base,
        temperature=0.8,
        max_tokens=1024,
        model_provider="deepseek",
    )

    messages = [
        SystemMessage("Translate the following English text to Chinese"),
        HumanMessage("Hello, how are you?")
    ]

    for token in model.stream(messages):
        print(token.content, end="", flush=True)
    print("\n\n")

if __name__ == "__main__":
    streamDemo()

是不是代码非常简单！赶快换上你的API key体验一下吧！

Prompt模板

def promptTemplateDemo():
    """
    使用PromptTemplate的Langchain使用示例
    """
    model = init_chat_model(
        model="deepseek-chat",
        api_key=api_key,
        api_base=api_base,
        temperature=0.8,
        max_tokens=1024,
        model_provider="deepseek",
    )

    prompt = ChatPromptTemplate.from_messages([
        SystemMessage("Translate the following English text to {language}"),
        HumanMessage("{text}")
    ])

    messages = prompt.invoke({"language": "Chinese", "text":"Hello, how are you?"})
    response = model.invoke(messages)
    print(response)

if __name__ == "__main__":
    promptTemplateDemo()

5. 简单总结

LangChain大幅降低了LLM应用开发门槛，确实是相当简单易用。并且为我们快速替换LLM提供了非常便利的基础。