20250908-02：运行第一个 LLM 调用程序

20250908-02：运行第一个 LLM 调用程序

• @🎯 关键结果（Key Results, KRs）

• @KR

  • @▶ 任务 1.4：运行第一个 LLM 调用程序

• @实践练习

• @习题

  • @GitCode 源码

‍

✅ LangChain 第一周成长计划：基础认知与环境搭建

---

🎯 本周核心目标（Objective）

建立对 LangChain 的系统性认知，完成本地开发环境搭建，并成功运行第一个 LLM 调用程序。

🎯 关键结果（Key Results, KRs）

KR

• 在 1小时 内，用 官方教程0.3 完成 langchain第一个简单应用，交付 执行代码到git ；若因​ 运行 ​失败，最多重试​ 查找其他资料，解决，最终必须 正确运行并输出结果 并 提交代码到GIt仓库

KR 编号	关键结果描述	验收标准
KR2	成功执行Langchain应用，并且LLM，Prompt实现简单输出	代码执行正常

▶ 任务 1.4：运行第一个 LLM 调用程序

• 具体内容：

  在这个快速入门中，我们将向您展示如何：

  • 设置 LangChain、LangSmith 和 LangServe
  • 使用 LangChain 最基本和常见的组件：提示模板、模型
  • 构建一个简单的 LangChain 应用程序
  • 追踪您的应用程序使用 LangSmith

• 所需时间：1.0 小时

• 预期成果：

  • 控制台输出模型回答（如 “LangChain 是一个用于构建 LLM 应用的框架…”）
  • 能区分 .invoke()（一次性返回）和 .stream()（逐字返回）的体验差异
  • 代码文件 jupyter notebook 文件

• 难度控制：i+1 —— 在环境搭建基础上，首次接触 LangChain API，聚焦“跑通”而非“优化”。

• 资源准备：

  • 💻 代码模板：Quickstart | 🦜️🔗 LangChain

  • 构建一个简单的LLM应用程序，使用聊天模型和提示模板

  • 🐞 调试指南：[常见报错与解决方案（API Key 无效、网络超时等）]

  • :material-icon/vscode: JetBrain 最新版下 免费使用 Jupyter Notebook. 进行实践

  • :material-icon/git:GitCode仓库：GitCode - k316378085/langchain_study_by_xkong

  • Tavily API Platform 搜索工具是 Tavily​

  • 大模型：智谱GLM-4.5模型[自己创建APP_KEY]或使用免费模型测试

    ​

‍

实践练习

习题

v0.3版本

使用聊天模型和提示词模板构建一个简单的LLM应用 | 🦜️🔗 LangChain 框架

GitCode 源码

https://gitcode.com/k316378085/langchain_study_by_xkong/blob/main/src/langchain_base/01_first_demo_app/0102_simple_build_llm_app_langchain_v0.3.ipynb

‍

在这个快速入门指南中，我们将向您展示如何使用 LangChain 构建一个简单的 LLM 应用程序。这个应用程序可以将文本从英语翻译成另一种语言。这是一个相对简单的 LLM 应用程序——它只是一个 LLM 调用加上一些提示。尽管如此，这仍然是开始使用 LangChain 的绝佳方式——许多功能都可以通过一些提示和一次 LLM 调用来构建！

阅读本教程后，您将对以下内容有一个高层次的概述：

• 使用语言模型
• 使用提示词模板
• 使用LangSmith调试和追踪您的应用程序

‍

步骤

1. 使用 LangChain 最基本和常见的组件：提示模板、模型和输出解析器

   PromptTemplate , init_chat_model,智谱模型接入，StrOutputParser()

2. 构建一个简单的 LangChain 应用程序

   chain = prompt | open_ai_model | StrOutputParser()

   chain.invoke('你好’);

3. 追踪您的应用程序使用 LangSmith

​

​

‍