LangChain框架入门
入门·10 分钟·通过可运行代码讲解「LangChain框架入门」，覆盖环境准备、核心代码、参数说明、异常处理、工程化改造和练习任务，适合 AI 编程入门。
LangChain框架入门
LangChain 是一个用于构建大模型应用的开发框架。它把模型、提示词、检索器、工具、记忆和链式流程组织起来，帮助你更快搭建 AI 应用。
LangChain解决什么问题
直接调用模型 API 可以完成简单问答，但复杂应用往往需要多个步骤：格式化提示词、调用模型、解析输出、检索文档、调用工具、保存历史。
LangChain 提供了一套抽象，让这些步骤可以组合成链。
核心概念
| 概念 | 作用 |
|---|---|
| Model | 大语言模型或聊天模型 |
| Prompt | 提示词模板 |
| Chain | 多个步骤组合成流程 |
| Retriever | 检索相关文档 |
| Tool | 可被模型调用的外部函数 |
| Memory | 保存对话历史或状态 |
初学时不要一次学完所有模块，先理解 Prompt + Model + Chain。
一个提示词链例子
伪代码结构如下：
prompt = ChatPromptTemplate.from_template('请用三句话解释：{topic}')
model = ChatModel()
chain = prompt | model
result = chain.invoke({'topic': 'RAG'})
print(result)这个流程把变量填入提示词，再交给模型生成。
为什么要用链
链的价值是让流程可读、可复用、可调试。例如一个“资料总结链”可以包含：清洗文本、生成摘要、提取待办、输出 JSON。每一步都可以单独测试。
LangChain适合什么
- RAG 知识库问答；
- 多步骤文本处理；
- 工具调用 Agent；
- 对话记忆；
- 文档加载和切分；
- 原型验证。
如果只是调用一次 API，未必需要 LangChain。框架适合复杂流程，不适合为了用框架而用框架。
学习建议
- 先用原生 API 写一个最小调用；
- 再用 LangChain 重写，比较差异；
- 学 PromptTemplate；
- 学 LCEL 管道组合；
- 最后学 Retriever 和 Agent。
常见坑
- 版本变化快，网上旧代码可能跑不通；
- 抽象层太多，报错不如原生 API 直观；
- 不理解模型调用原理就直接上 Agent，容易失控；
- 简单任务过度工程化。
小结
LangChain 是组织大模型应用流程的工具。学它的关键不是背 API，而是理解如何把模型调用、提示词、检索和工具拆成清晰步骤。