一、概述

1、Langchain是什么

LangChain 就是一个把大模型（LLM）变成“能干活的智能体”的标准化框架。它不是模型，而是一套“流水线 + 零件库 + 调度中心”。

2、最核心：LangChain 为什么要存在？

大模型（GPT / 通义千问 / 文心一言）本身只会：输入文本 → 输出文本

但你要做 RAG、Agent、工具调用、多轮对话，模型自己做不到，需要：

• 查文档
• 查数据库
• 查 Redis
• 查网页
• 多步骤推理
• 记忆对话
• 结构化输出

于是 LangChain 出现了：它把所有能力变成标准化零件，一键组装，不用自己写底层逻辑。

二、LangChain 的基础6层结构

1、第一层：IO 层（最底层）

负责和大模型通信

• LLM（大模型接口）
• ChatModels（对话模型）
• Prompt Template（提示词模板）
• Output Parser（输出解析，把文字转 JSON）

作用：和模型说话，让模型听话、输出格式不乱。

---

2、第二层：文档处理层（RAG 必备）

专门处理你的文件、PDF、文档

• Loader（加载器：读取 PDF/Word/Excel/ 网页）
• Text Splitter（文本分块）
• Embedding（向量化）
• Vector Store（向量库：Chroma / FAISS / Redis）

作用：把你的资料变成模型能检索的知识库。

---

3、第三层：Chain 层 → 最核心！流水线层

Chain = 把零件串成一步一步自动执行的流水线

chain = prompt | llm | parser | retriever

一条自动化工作流 输入问题 → 自动走完所有步骤 → 输出最终结果

常见 Chain：

• Retrieval QA Chain（RAG 问答）
• SQL Chain（SQL 查询）
• Summary Chain（总结）
• MapReduce Chain（长文本处理）

---

4、第四层：Memory 层（记忆层）

让模型记住对话历史

• ConversationBufferMemory
• ConversationSummaryMemory
• RedisChatMemory

作用：多轮对话不丢失上下文。

---

5、第五层：Agent 层（大脑层）

Agent = 会思考、会决策、会自己调用工具

Agent 能自己决定：

• 要不要检索资料
• 要不要查网页
• 要不要算数学
• 要不要查数据库

---

6、第六层：Tool 层（工具层）

给 Agent 提供外部能力

• 搜索工具
• 计算器
• API
• 数据库
• Redis
• 文件系统
• 你自己写的函数（Function Calling）

二、Langchain如何使用？

1. 终端下载安装（1 条命令）

打开你的 终端 / CMD / PowerShell，直接运行：

pip install langchain langchain-openai

如果你用国内模型（通义、文心、豆包等），也可以装：

pip install langchain-community

安装完成就是成功了。

2. 简单的调用示例

示例 1：调用 OpenAI（最标准）

新建一个文件 test.py：

# 导入
from langchain_openai import ChatOpenAI
import os

# 设置 API Key（换成你自己的）
os.environ["OPENAI_API_KEY"] = "你的API密钥"

# 初始化模型
llm = ChatOpenAI(model="gpt-3.5-turbo")

# 调用
response = llm.invoke("请用一句话介绍 LangChain")

# 输出结果
print(response.content)

终端运行：

python test.py

---

示例 2：调用国内免费模型（比如 通义千问）

from langchain_community.llms import Tongyi
import os

os.environ["DASHSCOPE_API_KEY"] = "你的通义密钥"

llm = Tongyi(model="qwen-turbo")
print(llm.invoke("介绍一下 LangChain"))

---

3. LangChain 最核心的 3 个功能

① 提示词模板（PromptTemplate）

批量生成提示词：

from langchain.prompts import PromptTemplate

prompt = PromptTemplate.from_template("把{text}翻译成英文")
print(prompt.format(text="你好"))

② 链（Chain）

把「提示词 + 模型」绑在一起，一键调用：

chain = prompt | llm
print(chain.invoke({"text": "我爱编程"}))

③ 记忆（Memory）

让 AI 记住你们的对话历史：

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

memory = ConversationBufferMemory()
conv = ConversationChain(llm=llm, memory=memory)

print(conv.predict(input="你好，我叫小明"))
print(conv.predict(input="我叫什么？"))  # AI 会记得你叫小明

---

4. 终端直接运行 LangChain

你甚至不用写文件，终端直接进入 Python 环境跑：

python

然后逐行输入：

from langchain_openai import ChatOpenAI
llm = ChatOpenAI(api_key="你的key")
print(llm.invoke("你好"))

就能直接看到结果。