LangChain与大语言模型应用开发实战-第二章 开发环境搭建

LangChain与大语言模型应用开发实战第二章：开发环境搭建讲师：XXX日期：XXX年XXX月课堂导入：为什么需要LangChain？大语言模型的局限❌无记忆：对话“断片”，无法关联上下文信息。❌无手脚：如同“缸中之脑”，无法访问本地文档、数据库，也不能联网查天气、分析Excel。💡结论：大模型空有“聪明大脑”，却缺“记忆”与“执行力”。LangChain的核心价值🌉连接桥梁：打通大模型与外部世界的通路，让AI走出“孤岛”。🧠赋予超能力：赋予模型“长记忆”、“工具使用”和“复杂逻辑推理”能力。✅典型应用：上下文智能客服·文档自动分析助手·自动化运维Agent·企业知识库问答系统🎯本章目标：快速搭建LangChain开发环境，掌握基础组件，为后续实战打下坚实基础。本章教学目标掌握|Python环境配置熟练掌握Python开发环境的基础配置方法，为后续开发打下坚实基础。熟悉|LangChain核心库安装完成核心库安装并掌握处理版本冲突、依赖兼容性等常见技术问题的方法。掌握|大模型API对接学习对接DeepSeek、文心一言等主流大语言模型API的方法与流程。学会|API管理与优化掌握API密钥安全管理、请求限流策略配置及响应缓存机制，提升开发安全性与效率。掌握|Jupyter实战环境搭建搭建包含代码自动补全、可视化调试功能的JupyterNotebook开发环境。故障排查识别并解决环境配置中的常见报错。实战巩固完成渐进式任务，内化知识。环境准备：硬件与软件要求硬件要求CPU处理器：4核及以上，推荐8核，以保障大模型推理性能。运行内存：8GB及以上。若需本地部署大模型，建议16GB+。存储空间：至少预留10GB空间。推荐使用SSD以加速依赖包下载。网络环境：稳定的网络连接，用于下载安装包及连接云端服务。软件依赖Python环境(v3.12+)主流AI框架支持的版本，LangChain官方推荐3.8以上版本。pip包管理器(v25.0.1+)Python标准的包管理工具，用于快速安装LangChain等依赖库。代码编辑器(IDE)推荐使用VSCode或PyCharm(社区版免费)，均支持丰富的Python插件。Python安装步骤（1/2）01下载安装包•访问官网下载最新版本：/downloads/•选择Python3.12版本的安装包进行下载•根据你的操作系统，选择对应版本(如Windowsx86-64)02运行安装程序•找到下载好的.exe文件并双击运行。•关键操作：请务必勾选“AddPython3.12toPATH”选项，否则后续无法在终端直接使用Python。•建议点击“Customizeinstallation”进行自定义安装，方便管理。Python安装步骤（2/2）03.自定义安装选项1.可选功能(OptionalFeatures)：保持默认配置即可，直接点击“Next”。2.高级选项(AdvancedOptions)：建议勾选“AddPythontoPATH”。可自定义安装路径，如F:\Python12\。3.开始安装：确认无误后，点击“Install”按钮开始安装，等待进度条走完。04.验证安装结果如何验证？•打开电脑的命令提示符(CMD)或PowerShell。•输入命令python--version，若能显示版本号（如3.12.x），则说明安装成功。•再输入pip--version验证包管理工具。为什么需要虚拟环境？核心痛点：依赖冲突在同一个全局环境中开发多个项目时，往往会遇到不同项目对同一软件包有不同版本的需求。若不进行有效隔离，很容易出现“版本打架”的问题，导致代码无法正常运行。场景举例：版本矛盾•项目A：需要依赖LangChain0.3版本

•项目B：依赖旧版LangChain0.2版本

•后果：如果直接全局安装，必然导致其中一个项目因版本不兼容而崩溃。解决方案：环境隔离为每一个项目创建独立的“虚拟环境”。它就像一个独立的沙箱，将项目的依赖包完全隔离开，互不干扰，保证开发环境的纯净和稳定。虚拟环境的创建与管理💻操作环境：Windows系统|使用CMD命令行工具01.创建虚拟环境•切换目录：cdDesktop(定位到工作目录，可自定义)•创建命令：python-mvenvlangchain-env"langchain-env"是自定义的虚拟环境名称02.激活虚拟环境•执行激活：langchain-env\Scripts\activate•成功标志：命令行头部出现(langchain-env)标识03.退出虚拟环境完成操作后，执行命令即可退出退出命令：deactivate重要提示：后续所有依赖库安装、代码运行等操作，都必须确保在已激活的虚拟环境中进行，避免影响系统全局环境。升级pip与安装LangChain核心包01/升级pip版本确保虚拟环境已激活，避免因版本过低导致后续依赖包安装失败。pipinstall--upgradepip02/安装LangChain核心包LangChain核心功能库，构建LLM应用的基石。建议安装指定版本以确保稳定性。pipinstalllangchain==0.3.2103/安装社区适配库包含众多第三方厂商的适配器，支持连接各种模型、向量数据库与工具。pipinstalllangchain-community安装主流大模型API适配库01/接入文心一言pipinstallerniebot安装百度官方提供的PythonSDK，

实现对文心一言模型的便捷调用。02/接入通义千问pipinstalldashscope安装阿里云官方提供的SDK，

支持通义千问全系列模型的接入。03/接入DeepSeek无需单独安装SDKAPI接口兼容OpenAI格式，

确保系统已安装`requests`库即可。环境验证与测试核心目标：确认LangChain库可正常导入调用，并验证基础功能（提示模板）运行无误，确保开发环境就绪。1.打开代码编辑器(VSCode)，新建一个Python文件(例如test_langchain.py)。

2.复制粘贴以下代码并保存，运行该文件以完成环境验证。#导入核心模块并验证版本号

fromlangchainimport__version__

print("LangChain版本：",__version__)

#测试基础功能：提示模板(PromptTemplate)

fromlangchain_mptsimportPromptTemplate

prompt=PromptTemplate(input_variables=["name"],template="你好，{name}！LangChain安装测试成功～")

result=prompt.format(name="同学")

print(result)📋预期运行结果如果你的控制台输出与上图一致，

说明开发环境已成功搭建！🎉

现在可以开始探索LangChain的强大功能了。常见问题与解决方案ModuleNotFoundError:Nomodulenamed'langchain'原因：开发环境中未成功安装LangChain库。解决：请确认已激活虚拟环境，再执行安装命令：pipinstalllangchainPython版本不兼容报错原因：当前使用的Python版本低于3.8，不满足LangChain的最低运行要求。解决：将Python升级至3.8及以上版本后，重新安装LangChain。代码运行时提示“导入模块失败”原因：当前终端未激活已配置好的虚拟环境，无法找到对应依赖包。解决：检查命令行前是否有(langchain-env)标识，若没有，先激活虚拟环境。pip安装时网络超时/报错原因：网络连接不稳定，或默认的PyPI官方源访问速度较慢。解决：临时或永久切换为国内的PyPI镜像源，如阿里云、腾讯云或清华源。实战案例一：接入文心一言准备工作01.安装依赖库pipinstallopenai02.获取凭证访问百度智能云千帆大模型平台，完成实名认证后，创建应用并获取专属的APIKey。fromopenaiimportOpenAIclient=OpenAI(base_url='/v2',api_key='你的API_Key')resp=pletions.create(model="ernie-4.5-turbo-128k",messages=[{"role":"user","content":"您好"}])print(resp.choices[0].message.content)接口调用响应成功获取大模型返回的结构化数据，包含回答内容、token消耗等信息。实战案例二：接入智谱清言前期准备•安装依赖：执行pipinstalllangchain_communitylangchain•密钥获取：前往智谱清言官网完成注册并申请APIKeyPython代码示例(test_zhipu.py)fromlangchain_community.chat_modelsimportChatOpenAI

fromlangchain.schemaimportHumanMessage,SystemMessage

llm=ChatOpenAI(

temperature=0.7,#控制回答的随机性

model="glm-5",#指定智谱清言模型

openai_api_key="你的API_Key",

openai_api_base="/api/paas/v4/"

)

messages=[SystemMessage("你是一个有用的AI助手"),

HumanMessage("请介绍一下人工智能的发展历程")]

response=llm(messages)

print(response.content)实现逻辑解析1.适配器模式：复用`ChatOpenAI`类，通过修改`openai_api_base`适配智谱接口。

2.上下文构建：封装`SystemMessage`定义AI人设，`HumanMessage`传递用户问题。

3.统一调用：通过统一接口调用不同厂商模型，实现代码层的“一次编写，多处运行”。实战案例三：接入通义千问准备工作•安装依赖：在终端执行pipinstallopenai安装SDK。•获取凭证：访问阿里云DashScope控制台，创建并复制您的APIKey。核心代码(test_qianwen.py)fromopenaiimportOpenAI;client=OpenAI(api_key="YOUR_KEY",base_url="/compatible-mode/v1")resp=pletions.create(model="qwen-plus",messages=[{"role":"user","content":"你是谁？"}])API调用返回结果示例本章小结环境搭建从零开始，完成了Python解释器、虚拟环境的安装与配置，为后续开发打下坚实基础。核心库安装成功安装了LangChain核心库及主流大模型的适配库，建立起连接AI模型与应用逻辑的桥梁。环境验证通过代码示例快速验证了环境配置的正确性，确保开发工具链能正常协同工作。API对接实现了与文心一言、智谱清言、通义千问等大模型的无缝对接，打通从环境搭建到实际调用的完整闭环。本章习题01简述题在Python开发中创建虚拟环境的主要目的是什么？假设你已在Windows系统下创建了一个