在上一篇文章中，我們系統地了解了 LangChain 是什么、能做什么、核心模塊有哪些，現在你可能有以下疑問：

• 項目環境該怎么搭建？
• 各個包之間有什么依賴關系？
• 第一個 LangChain 應用應該從哪里寫起？

本文將帶你從零開始，搭建一個基于 LangChain 的 Python 開發環境，帶你寫出第一個 支持 OpenAI 模型的聊天機器人程序。

一、LangChain包依賴關系

1.1 LangChain中的包

LangChain 框架被劃分為多個獨立包，用戶可以根據實際需求自由選擇所需模塊，如果想要安裝LangChain主包可以運行：

pip install langchain

LangChain主包雖然涵蓋了框架的大部分功能，但其最大價值在于能夠與各類模型提供商和主流數據庫無縫集成，LangChain 主包本身并不包含這些第三方集成包的內容，下圖表示了LangChain包之間的依賴關系。

langchain-core：除 langsmith 外，LangChain 中的其他所有包都依賴于該核心包，它提供了所有模塊共享的基礎類。

langchain：包含了langchain-core。

langchain-openai：OpenAI 相關工具的集成包

langchain-community：尚未獨立拆分的第三方集成包。

langgraph：基于圖的任務流程管理工具包，可以和LangChain無縫集成，也可以不使用LangChain單獨安裝

langsmith：LLM 應用的全生命周期管理平臺，既可以與 LangChain 配合使用，也可以獨立用于非 LangChain 的大模型應用場景。

二、項目搭建

2.1 Python環境

使用Python 版本為 3.10.11

python --version
Python 3.10.11

將pip的鏡像源設置為騰訊云鏡像，加快下載速度

pip config set global.index-url https://mirrors.cloud.tencent.com/pypi/simple
Writing to /Users/apple/.config/pip/pip.conf
pip config list
global.index-url='https://mirrors.cloud.tencent.com/pypi/simple'

2.2 創建虛擬環境

在開發 Python 項目時，首先創建項目文件夾：

mkdir langchain-study

創建虛擬環境，虛擬環境可隔離項目依賴，避免版本沖突

cd langchain-study 
python -m venv env

激活虛擬環境

source env/bin/activate

2.3 PyCharm設置虛擬環境

打開項目，在 Settings 中配置 Python 虛擬環境，創建本地解釋器。

選擇之前創建的Python虛擬環境。

選擇之前創建的虛擬環境中的Python解釋器。

2.4 依賴版本管理

首先，創建依賴管理文件 requirements.txt

touch requirements.txt

在 requirements.txt 中添加 LangChain 所需依賴，其中 python-dotenv 用于加載 .env 環境變量配置。

langchain==0.2.17
langchain-community==0.2.19
langchain-core==0.2.43
python-dotenv==1.0.1

導入依賴

pip install -r requirements.txt

2.5 創建配置文件

在項目根目錄下創建 .env 文件，添加 OpenAI 的 API 地址和密鑰

# OpenAI大模型
OPENAI_API_KEY=**
OPENAI_API_BASE=https://api.***.***/v1

三、第一個聊天機器人

新建一個 Python 文件，就可以開始編寫第一個聊天機器人程序了。

代碼如下：

import dotenv
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

# 讀取env配置
dotenv.load_dotenv()

# 1.創建提示詞模板
prompt = ChatPromptTemplate.from_template("{question}")

# 2.構建GPT-3.5模型
llm = ChatOpenAI(model="gpt-3.5-turbo")

# 3.創建輸出解析器
parser = StrOutputParser()

# 4.執行鏈
chain = prompt | llm | parser
print(chain.invoke({"question": "請以表格的形式返回三國演義實力最強的十個人，并進行簡要介紹"}))

執行結果：

四、總結

本文介紹了LangChain框架的包依賴結構及其模塊劃分，明確了主包 langchain 與核心包 langchain-core、第三方集成包如 langchain-openai 和 langchain-community 之間的關系，并簡要介紹了 langgraph 和 langsmith 這兩個生態工具的功能與使用場景。

在項目實操部分，我們從零開始搭建了一個LangChain開發環境，涵蓋了虛擬環境的創建、依賴版本管理、PyCharm解釋器配置及.env配置文件的設置，并通過一個簡單的聊天機器人示例，展示了 LangChain 與 OpenAI 模型的基礎集成流程。

通過本文，相信你應該已經掌握了如何快速構建一個基于LangChain的Python開發環境，構建自己的第一個AI應用。后續將繼續深入介紹LangChain的核心模塊和高級用法，敬請期待。