本系列未完待续

关于大语言模型驱动的应用程序有关前置知识，可以移步：

• 大模型和大模型应用

1.概述

LangChain（https://www.langchain.com/）是2022年10月，由哈佛大学的哈里森·蔡斯发起的一个开源框架，采用Python为主要语言编写，用于开发由大语言模型驱动的应用程序，一经推出便获得广泛支持，是最早推出，也是截止成文日期最成熟，支持场景最多的一个大模型应用框架

LangChain顾名思义，Lang指的就是大语言模型，Chain指的就是将大语言模型和各种相关的外部的组件连成一串，这个也是LangChain的核心设计思想。LangChain提供各种支持链式组装的组件，完成高级的特定任务，让复杂的逻辑变得结构化，易于组合和拓展。

LangChain提供整套大模型应用开发的工具集，支持LLM接入，Prompt对话工程构建，记忆管理，工具调用Tools，检索增强生成RAG等多种形态的应用开发。

LangChain类似Spring又分为Spring Framework，Spring Boot， Spring MVC那样，狭义上的LangChain就是LangChain本身，但广义的LangChain除了本身，还包括：LangGraph，LangSmith等组件，LangGraph在的基础上进一步封装，能够协调多个Chain，Tool，Agent完成更复杂的任务和更高级的功能。

本系列将基于Python 3.13.x + LangChain 1.1.x，通过常见形态大模型应用的例子介绍LangChain的使用

2.快速开始

虚拟环境中安装相关包，并设置好python版本

pip install langchain==1.1.2
pip install langchain-openai

import sys
import langchain

print(sys.version)
print(langchain.__version__)

3.13.11 (tags/v3.13.11:6278944, Dec  5 2025, 16:26:58) [MSC v.1944 64 bit (AMD64)]
1.1.2

一个简单的调用大模型例子

from langchain.chat_models import init_chat_model
import os

llm = init_chat_model(
    model = 'deepseek-chat',
    model_provider = 'openai',
    api_key = os.getenv('DSKEY'),
    base_url = 'https://api.deepseek.com'
)

print(llm.invoke('你是谁').content)

3. LangChain使用案例