一、什么是 LangChain？

随着大语言模型（LLM）快速普及，单纯调用模型 API 已经无法满足复杂业务需求：上下文记忆、链式调用、文档问答、工具调用、Agent 智能决策等场景都需要一套标准化框架支撑。

LangChain是目前最主流的大模型应用开发框架，核心作用：

• 封装 LLM 通用调用逻辑，适配 OpenAI、文心一言、通义千问等各类大模型

• 提供链式调用（Chain）能力，实现多步骤复杂任务

• 内置对话记忆、文档解析、向量检索、工具集成模块

• 支持快速搭建知识库问答、智能客服、自动化 Agent 等应用

本文面向零基础开发者，提供Python和Node.js双版本入门实战代码，开箱即用。

二、前置准备

2.1 环境要求

• Python 版本：≥3.8

• Node.js 版本：≥16.0

• 拥有有效 OpenAI Key（可替换为国内大模型 Key）

2.2 核心学习目标

读完本文你将掌握：

1. LangChain 基础环境搭建

2. 基础 LLM 模型调用（单轮对话）

3. Prompt 模板自定义

4. 简单 Chain 链式调用实战

5. 对话记忆功能实现

三、Python 版本 LangChain 入门实战

3.1 安装依赖

# 安装核心依赖pipinstalllangchain langchain-openai python-dotenv

3.2 配置环境变量（.env）

项目根目录新建.env文件，配置密钥：

OPENAI_API_KEY=你的OpenAI密钥 OPENAI_API_BASE=https://api.openai.com/v1

3.3 完整入门代码（基础调用 + 模板 + 记忆）

fromdotenvimportload_dotenvimportosfromlangchain_openaiimportChatOpenAIfromlangchain.promptsimportChatPromptTemplatefromlangchain.chainsimportLLMChainfromlangchain.memoryimportConversationBufferMemory# 加载环境变量load_dotenv()defbasic_llm_demo():"""基础大模型调用"""# 初始化模型llm=ChatOpenAI(model="gpt-3.5-turbo",temperature=0.7,api_key=os.getenv("OPENAI_API_KEY"),base_url=os.getenv("OPENAI_API_BASE"))# 单轮提问res=llm.invoke("用一句话介绍 LangChain 是什么")print("基础调用结果：")print(res.content)print("-"*50)defprompt_template_demo():"""自定义Prompt模板 + Chain调用"""# 初始化模型llm=ChatOpenAI(model="gpt-3.5-turbo",temperature=0.7)# 自定义提示词模板prompt=ChatPromptTemplate.from_messages([("system","你是一名专业的技术博主，用通俗易懂的语言解答问题"),("user","请详细讲解{question}，适合新手学习")])# 构建链式调用chain=LLMChain(llm=llm,prompt=prompt)# 执行链式任务res=chain.run(question="Python 装饰器的作用")print("模板+Chain调用结果：")print(res)print("-"*50)defchat_memory_demo():"""带对话记忆的聊天功能"""llm=ChatOpenAI(model="gpt-3.5-turbo",temperature=0.7)# 初始化对话记忆memory=ConversationBufferMemory()chain=LLMChain(llm=llm,prompt=ChatPromptTemplate.from_messages([("system","你是贴心的AI助手，记住用户的历史对话"),("user","{input}")]),memory=memory)# 多轮对话测试print("带记忆对话结果：")res1=chain.run(input="我的名字是小明")print(f"第一轮回复：{res1}")res2=chain.run(input="我叫什么名字？")print(f"第二轮回复：{res2}")if__name__=="__main__":basic_llm_demo()prompt_template_demo()chat_memory_demo()

3.4 代码核心解析

• ChatOpenAI：LangChain 官方 OpenAI 对话模型封装

• ChatPromptTemplate：标准化提示词模板，解耦固定话术和动态参数

• LLMChain：最基础的链式调用，串联「模板+模型」

• ConversationBufferMemory：基础对话记忆，保存完整上下文

四、Node.js 版本 LangChain 入门实战

4.1 初始化项目 & 安装依赖

# 初始化项目npminit-y# 安装核心依赖npminstalllangchain @langchain/openai dotenv

4.2 配置环境变量（.env）

OPENAI_API_KEY=你的OpenAI密钥 OPENAI_API_BASE=https://api.openai.com/v1

4.3 完整入门代码（index.js）

require("dotenv").config();const{ChatOpenAI}=require("@langchain/openai");const{ChatPromptTemplate}=require("@langchain/core/prompts");const{LLMChain}=require("langchain/chains");const{ConversationBufferMemory}=require("langchain/memory");// 初始化大模型constinitLLM=()=>{returnnewChatOpenAI({modelName:"gpt-3.5-turbo",temperature:0.7,openAIApiKey:process.env.OPENAI_API_KEY,configuration:{baseURL:process.env.OPENAI_API_BASE,},});};// 1. 基础模型调用constbasicLLMDemo=async()=>{constllm=initLLM();constres=awaitllm.invoke("用一句话介绍 LangChain 是什么");console.log("基础调用结果：");console.log(res.content);console.log("-".repeat(50));};// 2. Prompt模板 + Chain链式调用constpromptTemplateDemo=async()=>{constllm=initLLM();// 定义提示词模板constprompt=ChatPromptTemplate.fromMessages([["system","你是一名专业的技术博主，用通俗易懂的语言解答问题"],["user","请详细讲解{question}，适合新手学习"],]);// 构建链式调用constchain=newLLMChain({llm,prompt});constres=awaitchain.call({question:"Node.js 事件循环原理"});console.log("模板+Chain调用结果：");console.log(res.text);console.log("-".repeat(50));};// 3. 带对话记忆的多轮对话constchatMemoryDemo=async()=>{constllm=initLLM();constmemory=newConversationBufferMemory();constprompt=ChatPromptTemplate.fromMessages([["system","你是贴心的AI助手，记住用户的历史对话"],["user","{input}"],]);constchain=newLLMChain({llm,prompt,memory});console.log("带记忆对话结果：");constres1=awaitchain.call({input:"我的名字是小明"});console.log(`第一轮回复：${res1.text}`);constres2=awaitchain.call({input:"我叫什么名字？"});console.log(`第二轮回复：${res2.text}`);};// 批量执行测试construn=async()=>{awaitbasicLLMDemo();awaitpromptTemplateDemo();awaitchatMemoryDemo();};run().catch(console.error);

4.4 运行代码

nodeindex.js

五、双版本核心逻辑对照

六、常见问题解决

1. 接口请求超时/失败

检查 API_BASE 配置，国内环境可替换为镜像地址，或使用国内大模型（通义千问、讯飞星火）。

2. 环境变量不生效

确保.env文件在项目根目录，Python 需正确 load_dotenv，Node.js 需引入 dotenv 并执行 config()。

3. 模型返回内容重复/死板

调整 temperature 参数（0-1），数值越高创造性越强，0 为精准模式。

七、进阶学习方向

入门基础完成后，可深入学习 LangChain 核心进阶能力：

• 文档加载与解析：PDF/Word/Markdown 文档读取

• 向量数据库集成：FAISS、Chroma 实现本地知识库问答

• 工具调用：联网搜索、代码执行、第三方接口调用

• Agent 智能体：自主规划、自动执行复杂任务

• 流式输出：实现打字机效果对话