LangChain 1.x 实战入门：从零搭建你的第一个AI应用

1. 环境准备与工具安装

第一次接触LangChain时，最让人头疼的就是环境配置。我刚开始用pip安装时，经常遇到版本冲突问题，直到发现了uv这个现代Python包管理工具。它比pip快10倍以上，而且能自动解决依赖冲突，特别适合新手。

先确保你的Python版本在3.8以上（推荐3.10+），然后用以下命令安装uv：

bash复制curl -LsSf https://astral.sh/uv/install.sh | sh

安装完成后，新建项目目录并初始化：

bash复制mkdir langchain_demo && cd langchain_demo
uv venv  # 创建虚拟环境
source .venv/bin/activate  # Linux/Mac激活
# 或者 .venv\Scripts\activate  # Windows激活

接着安装核心依赖。这里有个小技巧：直接安装langchain[openai]会同时安装所有OpenAI相关的依赖包，比单独安装每个包方便得多：

bash复制uv add langchain[openai] dotenv

我遇到过不少同学卡在环境变量配置这一步。正确做法是在项目根目录创建.env文件，内容如下：

ini复制OPENAI_API_KEY=你的API密钥
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_BASE_MODEL=gpt-3.5-turbo

注意：千万不要把.env文件上传到GitHub！记得在.gitignore里添加.env

2. 项目配置实战

现代Python项目都应该使用pyproject.toml管理依赖。新建文件时我建议直接复制这个模板：

toml复制[project]
name = "langchain_demo"
version = "0.1.0"
description = "My first LangChain app"
readme = "README.md"
requires-python = ">=3.10"
dependencies = [
    "dotenv>=1.0.0",
    "langchain[openai]>=1.2.0",
]

这里有个坑要注意：requires-python的版本范围不要写得太窄。有次我写了>=3.10,<3.11，结果团队里用Python 3.12的同学完全跑不起来。建议至少保持>=3.10这样宽松的约束。

测试环境是否配置成功，可以新建test_env.py：

python复制from dotenv import load_dotenv
import os

load_dotenv()
print(os.getenv("OPENAI_API_KEY"))  # 应该能打印出你的密钥

如果看到密钥输出，说明环境配置正确。这一步看似简单，但能避免后续80%的"API密钥无效"报错。

3. 第一个对话应用

终于到了激动人心的编码环节！我们先实现最基础的对话功能。新建chat.py：

python复制from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
import asyncio

load_dotenv()

llm = ChatOpenAI(
    model="gpt-3.5-turbo",
    temperature=0.7  # 控制创意程度，0-1之间
)

async def main():
    response = await llm.ainvoke("用中文解释量子计算")
    print(response.content)

if __name__ == "__main__":
    asyncio.run(main())

运行后如果看到AI返回的量子计算解释，恭喜你！但这里有几个优化点：

1. 把模型配置移到环境变量，方便切换
2. 添加异常处理
3. 支持连续对话

改进后的版本：

python复制import os
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
import asyncio

load_dotenv()

llm = ChatOpenAI(
    model=os.getenv("OPENAI_BASE_MODEL"),
    openai_api_key=os.getenv("OPENAI_API_KEY"),
    temperature=0.7
)

async def chat(message: str):
    try:
        response = await llm.ainvoke(message)
        return response.content
    except Exception as e:
        return f"出错啦: {str(e)}"

async def main():
    while True:
        user_input = input("你: ")
        if user_input.lower() == "exit":
            break
        response = await chat(user_input)
        print(f"AI: {response}")

if __name__ == "__main__":
    asyncio.run(main())

4. 实现流式输出

直接等完整响应太枯燥了，我们来做个打字机效果的流式输出。新建stream.py：

python复制from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
import asyncio

load_dotenv()

llm = ChatOpenAI(
    model="gpt-3.5-turbo",
    streaming=True  # 关键参数！
)

async def main():
    stream = llm.astream("用武侠风格讲述Python的装饰器")
    async for chunk in stream:
        print(chunk.content, end="", flush=True)
    print()  # 最后换行

if __name__ == "__main__":
    asyncio.run(main())

这里有几个实用技巧：

1. 设置streaming=True启用流式
2. 使用astream而不是ainvoke
3. flush=True确保实时输出
4. end=""避免自动换行

如果想更酷炫，可以加个打字机效果：

python复制import random
from time import sleep

async def main():
    stream = llm.astream("用科幻小说风格描述神经网络")
    async for chunk in stream:
        for char in chunk.content:
            print(char, end="", flush=True)
            sleep(random.uniform(0.01, 0.05))  # 随机延迟
    print()

5. 常见问题排查

新手最容易遇到的三个坑：

问题1：ImportError: cannot import name 'ChatOpenAI'

• 原因：LangChain版本不对
• 解决：uv add langchain[openai] --upgrade

问题2：AuthenticationError: Incorrect API key provided

• 检查.env文件是否在项目根目录
• 确保调用了load_dotenv()
• 试试print(os.getenv("OPENAI_API_KEY"))看是否能输出

问题3：流式输出不工作

• 确认streaming=True
• 使用astream而不是ainvoke
• 异步函数必须用asyncio.run()调用

有次我折腾两小时才发现问题出在虚拟环境没激活。现在养成了习惯：每次开终端都先执行source .venv/bin/activate。建议把这个命令加到终端配置里（比如.bashrc或.zshrc）。