LangChain 大模型应用开发完全教程：从零搭出你的第一个 LLM 应用

一、原理背景

LangChain 是当下最流行的「大模型应用开发框架」，它把和 AI 对话这件事拆成可拼接的「积木」，让你不必每次都手写一堆 Prompt 和 API 调用。它的核心价值是三件事：

  1. Model（模型层）：统一封装 OpenAI、DeepSeek、通义、本地 Ollama 等多种模型，换模型只改一行。
  2. Chain（链）：把「提示词 → 模型 → 解析结果」串成流水线，还能多步串联。
  3. Retrieval（检索）：把你的私有文档切分、向量化、存进向量库，问答时先检索再让模型回答，这就是 RAG（检索增强生成）。

为什么需要它？裸调 API 只能一次问答；而真实应用要「读文件、记上下文、调工具、连数据库」。LangChain 把这些通用能力做成组件，你像搭乐高一样拼起来，少写大量胶水代码。

本文以 Python 版 langchain + langchain-openai 为主，并给出接入国产模型 DeepSeek 的方式。

二、分步操作

步骤 1：安装与准备

pip install langchain langchain-openai langchain-community
# 如需向量库与切分
pip install faiss-cpu  # 或 chromadb

申请

🔒 付费文档

支付 5 积分后即可解锁全部内容