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

技术博客

热门标签

DeepSeek V4 发布：国产大模型的新里程碑

LangChain 入门：构建你的第一个 AI 应用

Cursor 使用指南：AI 编程助手的最佳实践