LangChain框架入门02：开发环境配置
在上一篇文章中，我们系统地了解了 LangChain 是什么、能做什么、核心模块有哪些，现在你可能有以下疑问：
- 项目环境该怎么搭建？
- 各个包之间有什么依赖关系？
- 第一个 LangChain 应用应该从哪里写起？
本文将带你从零开始，搭建一个基于 LangChain 的 Python 开发环境，带你写出第一个 支持 OpenAI 模型的聊天机器人程序。
一、LangChain包依赖关系
1.1 LangChain中的包
LangChain 框架被划分为多个独立包，用户可以根据实际需求自由选择所需模块，如果想要安装LangChain主包可以运行：
pip install langchain
LangChain主包虽然涵盖了框架的大部分功能，但其最大价值在于能够与各类模型提供商和主流数据库无缝集成，LangChain 主包本身并不包含这些第三方集成包的内容，下图表示了LangChain包之间的依赖关系。
langchain-core：除 langsmith 外，LangChain 中的其他所有包都依赖于该核心包，它提供了所有模块共享的基础类。
langchain：包含了langchain-core。
langchain-openai：OpenAI 相关工具的集成包
langchain-community：尚未独立拆分的第三方集成包。
langgraph：基于图的任务流程管理工具包，可以和LangChain无缝集成，也可以不使用LangChain单独安装
langsmith：LLM 应用的全生命周期管理平台，既可以与 LangChain 配合使用，也可以独立用于非 LangChain 的大模型应用场景。
二、项目搭建
2.1 Python环境
使用Python 版本为 3.10.11
python --version
Python 3.10.11
将pip的镜像源设置为腾讯云镜像，加快下载速度
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 创建虚拟环境
在开发 Python 项目时，首先创建项目文件夹：
mkdir langchain-study
创建虚拟环境，虚拟环境可隔离项目依赖，避免版本冲突
cd langchain-study
python -m venv env
激活虚拟环境
source env/bin/activate
2.3 PyCharm设置虚拟环境
打开项目，在 Settings 中配置 Python 虚拟环境，创建本地解释器。
选择之前创建的Python虚拟环境。
选择之前创建的虚拟环境中的Python解释器。
2.4 依赖版本管理
首先，创建依赖管理文件 requirements.txt
touch requirements.txt
在 requirements.txt 中添加 LangChain 所需依赖，其中 python-dotenv 用于加载 .env 环境变量配置。
langchain==0.2.17
langchain-community==0.2.19
langchain-core==0.2.43
python-dotenv==1.0.1
导入依赖
pip install -r requirements.txt
2.5 创建配置文件
在项目根目录下创建 .env 文件，添加 OpenAI 的 API 地址和密钥
# OpenAI大模型
OPENAI_API_KEY=**
OPENAI_API_BASE=https://api.***.***/v1
三、第一个聊天机器人
新建一个 Python 文件，就可以开始编写第一个聊天机器人程序了。
代码如下：
import dotenv
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI# 读取env配置
dotenv.load_dotenv()# 1.创建提示词模板
prompt = ChatPromptTemplate.from_template("{question}")# 2.构建GPT-3.5模型
llm = ChatOpenAI(model="gpt-3.5-turbo")# 3.创建输出解析器
parser = StrOutputParser()# 4.执行链
chain = prompt | llm | parser
print(chain.invoke({"question": "请以表格的形式返回三国演义实力最强的十个人，并进行简要介绍"}))
执行结果：
Client connected from ('127.0.0.1', 10200)
| 序号 | 人物名称 | 实力简介 |
| ---- | ------- | -------- |
| 1 | 关羽 | 身长九尺，美貌堂堂，霸气十足，擅长马术和武艺 |
| 2 | 张飞 | 身高九尺五寸，力大无穷，武力值得信赖，勇猛无比 |
| 3 | 赵云 | 龙胆虎父，漂亮多金，银枪铁剑，战阵破敌 |
| 4 | 吕布 | 勇猛无敌，百战百胜，马上击败敌人 |
| 5 | 刘备 | 先富帅后富，对称严格，政治家和军事家 |
| 6 | 孙权 | 精力充沛，军事家和政治家，敢于冒险 |
| 7 | 曹操 | 身高上寸长，帅气值爆表，智慧超群，军事和政治实力雄厚 |
| 8 | 周瑜 | 孤立无援，愚者的梦想家，武将和政治家 |
| 9 | 夏侯惇 | 体格庞大，白马优势，骁勇善战，为部队凯旋而回 |
| 10 | 安宁渡 | 敬重家属，活石室，独特根基，攻击迅雷不可撤销 |
四、总结
本文介绍了LangChain框架的包依赖结构及其模块划分，明确了主包 langchain 与核心包 langchain-core、第三方集成包如 langchain-openai 和 langchain-community 之间的关系，并简要介绍了 langgraph 和 langsmith 这两个生态工具的功能与使用场景。
在项目实操部分，我们从零开始搭建了一个LangChain开发环境，涵盖了虚拟环境的创建、依赖版本管理、PyCharm解释器配置及.env配置文件的设置，并通过一个简单的聊天机器人示例，展示了 LangChain 与 OpenAI 模型的基础集成流程。
通过本文，相信你应该已经掌握了如何快速构建一个基于LangChain的Python开发环境，构建自己的第一个AI应用。