LangChain 入门:构建你的第一个 AI 应用

·3 分钟阅读·231 次阅读
LangChain 入门:构建你的第一个 AI 应用

LangChain 入门:构建你的第一个 AI 应用

LangChain 是目前最流行的 AI 应用开发框架,本文将带你从零开始构建一个简单的 RAG 问答系统。

什么是 LangChain?

LangChain 是一个用于构建 AI 应用的框架,它提供了:

  • 链式调用:将多个 AI 步骤串联
  • RAG 支持:连接外部数据源
  • Agent 能力:让 AI 自主决策
  • 工具集成:调用外部 API 和工具

安装

pip install langchain langchain-openai chromadb

构建 RAG 问答系统

1. 准备文档

from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.vectorstores import Chroma
from langchain_openai import OpenAIEmbeddings

# 准备你的文档
docs = [
    "Ciyuano 词元圈是一个 OpenAI 兼容的 API 中转服务...",
    "支持 DeepSeek、GLM、Qwen 等多种国产大模型...",
    "使用方法:修改 base_url 和 api_key 即可...",
]

# 分割文档
splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
chunks = splitter.create_documents(docs)

# 创建向量数据库
vectorstore = Chroma.from_documents(chunks, OpenAIEmbeddings(
    base_url="https://www.ciyuano.com/v1",
    api_key="sk-relay-你的密钥"
))

2. 构建问答链

from langchain.chains import RetrievalQA
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="deepseek-v4-flash",
    base_url="https://www.ciyuano.com/v1",
    api_key="sk-relay-你的密钥"
)

qa_chain = RetrievalQA.from_chain_type(
    llm=llm,
    retriever=vectorstore.as_retriever(),
)

# 提问
result = qa_chain.invoke({"query": "词元圈支持哪些模型?"})
print(result["result"])

核心概念

Prompt Template

提示词模板,用于构建结构化的提示词。

Chain

将多个步骤串联,形成完整的处理流程。

Retriever

从向量数据库中检索相关文档。

Agent

让 AI 自主决定使用哪些工具来完成任务。

下一步

  • 尝试接入不同的模型
  • 构建更复杂的 Agent
  • 集成外部工具(搜索、数据库等)
  • 部署为 Web 服务

资源

评论功能暂未开放,敬请期待