LangChain 入门:构建你的第一个 AI 应用
·3 分钟阅读·31 次阅读
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