🎬 HoRain云小助手：个人主页
🔥 个人专栏: 《Linux 系列教程》《c语言教程》
⛺️生活的理想，就是为了理想的生活!
⛳️ 推荐
前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。
专栏介绍
专栏名称 | 专栏介绍 |
《C语言》 | 本专栏主要撰写C干货内容和编程技巧，让大家从底层了解C，把更多的知识由抽象到简单通俗易懂。 |
《网络协议》 | 本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘，一起解密网络协议在运行中协议的基本运行机制！ |
《docker容器精解篇》 | 全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。 |
《linux系列》 | 本专栏主要撰写Linux干货内容，从基础到进阶，知识由抽象到简单通俗易懂，帮你从新手小白到扫地僧。 |
《python 系列》 | 本专栏着重撰写Python相关的干货内容与编程技巧，助力大家从底层去认识Python，将更多复杂的知识由抽象转化为简单易懂的内容。 |
《试题库》 | 本专栏主要是发布一些考试和练习题库（涵盖软考、HCIE、HRCE、CCNA等） |
目录
⛳️ 推荐
专栏介绍
环境要求
安装 LangChain
安装核心包
安装模型提供商包
一键安装
配置 API Key
获取 API Key
设置环境变量
实例
在代码中加载
实例
验证安装
实例
实例
项目目录建议
本篇将带你完成 LangChain 的安装和配置，确保你能顺利运行第一个 LangChain 程序。
环境要求
| 项目 | 最低版本 | 推荐版本 |
|---|---|---|
| Python | 3.10 | 3.11 或 3.12 |
| pip | 22.0 | 最新版 |
| 操作系统 | macOS / Linux / Windows 均可 | |
检查 Python 版本：
$ python --version Python 3.12.7
如果你还没有安装 Python，可以参考我们的 Python3 环境搭建。
Python 包与环境管理工具参考： uv 入门教程。
安装 LangChain
LangChain 采用模块化设计，核心功能和第三方集成分开安装。
安装核心包
$ pip install langchain
这个命令会安装 langchain 主包，它包含了 init_chat_model()、create_agent() 等核心 API，同时会自动安装 langchain-core 作为依赖。
安装模型提供商包
LangChain 本身不包含具体的模型实现，你需要根据使用的模型安装对应的提供商包：
| 模型提供商 | 安装命令 | 使用的模型 |
|---|---|---|
| OpenAI | pip install langchain-openai | GPT-4、GPT-5 等 |
| Anthropic | pip install langchain-anthropic | Claude 系列 |
| DeepSeek | pip install langchain-deepseek | DeepSeek-V3、R1 等 |
| pip install langchain-google-genai | Gemini 系列 | |
| Ollama（本地模型） | pip install langchain-ollama | Llama、Qwen 等本地模型 |
| xAI | pip install langchain-xai | Grok 系列 |
| Mistral | pip install langchain-mistralai | Mistral 系列 |
一键安装
建议初学者直接安装以下组合：
$ pip install langchain langchain-openai python-dotenv
python-dotenv 用于从 .env 文件加载 API Key，这是管理敏感信息的最佳实践，可以避免将 Key 硬编码在代码中。
配置 API Key
获取 API Key
以 OpenAI 为例，你需要先注册账号并获取 API Key：
- 访问 https://platform.openai.com 注册或登录
- 进入 API Keys 页面，点击 "Create new secret key"
- 复制生成的 Key（格式为 sk-xxxxxxxx）
API Key 只会显示一次，请立即保存到安全的地方。不要将 Key 提交到 Git 仓库或分享给他人。
其他提供商的获取方式类似，请参考对应文档。
设置环境变量
推荐使用 .env 文件管理 API Key。在项目根目录创建 .env 文件：
实例
# 文件路径：.env
# 填入你的 API Key
OPENAI_API_KEY=sk-your-api-key-here
# 如果使用其他模型，也在这里配置
# ANTHROPIC_API_KEY=sk-ant-your-key
# DEEPSEEK_API_KEY=sk-your-key
然后创建 .gitignore 文件，确保 .env 不会被提交：
# .gitignore .env __pycache__/ *.pyc
在代码中加载
实例
# 文件路径：config.py
# 在程序开头加载 .env 文件
import os
from dotenv import load_dotenv
# 加载 .env 文件中的环境变量
load_dotenv()
# 验证 API Key 是否加载成功
api_key = os.getenv("OPENAI_API_KEY")
if api_key:
# 只显示前8位和后4位，避免泄露完整 Key
print(f"API Key 已加载: {api_key[:8]}...{api_key[-4:]}")
else:
print("警告：未找到 OPENAI_API_KEY，请检查 .env 文件")
验证安装
运行以下脚本验证安装是否成功：
实例
# 文件路径：verify_install.py
# 验证 LangChain 安装和 API Key 配置
from dotenv import load_dotenv
load_dotenv()
# 测试 1：验证 langchain 导入
try:
import langchain
print(f"langchain 版本: {langchain.__version__}")
except ImportError:
print("错误：langchain 未安装，请运行 pip install langchain")
# 测试 2：验证 langchain-openai 导入
try:
import langchain_openai
print("langchain-openai 已安装")
except ImportError:
print("错误：langchain-openai 未安装，请运行 pip install langchain-openai")
# 测试 3：验证 API Key 配置
import os
api_key = os.getenv("OPENAI_API_KEY")
if not api_key:
print("错误：OPENAI_API_KEY 未配置，请在 .env 文件中设置")
else:
print(f"API Key 配置成功: {api_key[:8]}...{api_key[-4:]}")
# 测试 4：发送一条测试请求
from langchain.chat_models import init_chat_model
model = init_chat_model("openai:gpt-4o-mini")
response = model.invoke("用一句话介绍菜鸟教程（RUNOOB）")
print(f"\n模型回复: {response.content}")
运行结果：
langchain 版本: 1.3.0 langchain-openai 已安装 API Key 配置成功: sk-proj-z...xxxx 模型回复: 菜鸟教程（RUNOOB）是一个面向编程初学者的中文技术学习平台。
如果最后一步报错，请检查：(1) API Key 是否正确；(2) 是否有网络代理影响连接；(3) 账户余额是否充足。
国内我们可以采用 DeepSeek 大模型来测试，如果还没有需要先去 DeepSeek 创建一个 API key。
DeepSeek 的 API 文档参考：首次调用 API | DeepSeek API Docs。
如果你需要统一管理多个第三方模型，可以选择安装 LiteLLM 作为模型网关：
pip install -U litellm
不过本文的示例直接使用ChatOpenAI配合openai_api_base参数连接 DeepSeek，无需额外安装 LiteLLM。
实例
import os
from langchain_openai import ChatOpenAI
# 建议将 API Key 放在环境变量中，或者直接在此处赋值（生产环境请勿硬编码）
# os.environ["DEEPSEEK_API_KEY"] = "sk-你的DeepSeek密钥"
# 初始化模型
llm = ChatOpenAI(
model="deepseek-v4-pro", # DeepSeek V4 模型名称
openai_api_key="sk-你的Key", # 填入你的 DeepSeek API Key
openai_api_base="https://api.deepseek.com", # DeepSeek 的 API 地址
temperature=0.7,
max_tokens=1024
)
# 测试一下
response = llm.invoke("你好，DeepSeek！请做一个简短的自我介绍。")
print(response.content)
执行以上代码，就会输出内容：
你好！很高兴认识你！ 我是DeepSeek，由深度求索公司创造的AI助手。我的特点包括： 。。。
项目目录建议
推荐的项目目录结构：
langchain-learning/ ├── .env # API Key 配置（不提交到 Git） ├── .gitignore # Git 忽略规则 ├── config.py # 公共配置加载 ├── 01_hello_world.py # 第一篇的示例 ├── 02_first_agent.py # Agent 示例 └── ... # 更多练习
❤️❤️❤️本人水平有限，如有纰漏，欢迎各位大佬评论批评指正！😄😄😄
💘💘💘如果觉得这篇文对你有帮助的话，也请给个点赞、收藏下吧，非常感谢!👍 👍 👍
🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙
