LangChain 快速上手指南5 分钟跑通一个 LLM 应用与智能体【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain你想把公司知识库接进大模型、让程序自动调用查询和计算工具又不想为每个模型厂商手写请求格式和消息协议。LangChain 就是干这层“管道工”活的 LLM 应用框架agent engineering platform统一模型接口、把工具链进来还替你处理模型自主决定调工具的循环。 一句话定位LangChain 适合谁LangChain 是一个用 Python 构建 LLM 驱动应用和智能体的框架MIT 协议支持 Python 3.10 及以上。适合需要快速交付聊天机器人、数据问答助手、带工具调用的 agent 的开发者。不适合只是想了解大模型是什么的人以及需要精确控制延迟、逐节点手搭工作流的人——后者可以跳过它直接用文末生态里的 LangGraph。 5 分钟装好并跑通第一次模型调用先把 LangChain 装进你的 Python 项目也可以克隆源码浏览实现uv add langchain # 或克隆源码浏览 git clone https://gitcode.com/GitHub_Trending/la/langchain然后写一个最短可运行示例from langchain.chat_models import init_chat_model model init_chat_model(openai:gpt-5.5) result model.invoke(Hello, world!) print(result)model 传“厂商:模型名”字符串init_chat_model 会替你加载对应的集成包换别家模型只改这一个字符串。 把工具接进聊天应用LangChain 的 3 个实战场景场景一工具调用型智能体输入一句用户提问 一组 Python 函数当工具比如 check_weather。langchain.agents 模块的 create_agent 接收 model、tools、system_prompt 三个参数返回编译好的智能体图。输入“旧金山天气怎么样”agent 自动循环模型决定调天气工具 → 执行 → 把结果喂回模型 → 直到能直接作答。你得到一份经过工具核实的答案和完整消息记录。场景二让模型吐出结构化数据给 create_agent 加一个 response_format 参数传一个 Pydantic 模型类即可。输入一句不规范的提问 字段定义输出严格符合 schema 的 JSON 对象直接入库不用自己写正则去抠模型的回答。场景三换模型、接自己的数据源输入不同的模型厂商或向量库输出其余代码不用改。仓库 libs/partners/ 目录收录了 15 个伙伴集成包openai、anthropic、chroma、qdrant 等模型、嵌入、向量存储的核心抽象都在 libs/core/langchain_core/ 里装好对应集成包后换个模型字符串就能切换。 LangChain 周边生态谁负责什么LangGraphLangChain 智能体底层构建其上的低层编排框架提供持久执行、流式输出、人工确认中断、状态持久化。需要混合确定性流程与自主流程时用它。Deep Agents构建在 LangChain 之上的高层包智能体自带规划、子代理分发、文件系统使用能力面向复杂长任务。LangSmithLLM 应用开发平台负责 agent 评测、可观测性和调试。✅ 你的下一步给天气 agent 加一个工具新建项目执行uv add langchain把上面示例里的模型名换成你有 API key 的模型然后照场景一写一个工具函数传给 create_agent。卡住时打开 libs/langchain_v1/langchain/agents/create_agent 的文档字符串里就带着可运行的完整示例。【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/8/28 10:11:14 · 阅读 1.2k LangChain 快速上手指南：5 分钟跑通一个 LLM 应用与智能体
LangChain 快速上手指南5 分钟跑通一个 LLM 应用与智能体【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain你想把公司知识库接进大模型、让程序自动调用查询和计算工具又不想为每个模型厂商手写请求格式和消息协议。LangChain 就是干这层“管道工”活的 LLM 应用框架agent engineering platform统一模型接口、把工具链进来还替你处理模型自主决定调工具的循环。 一句话定位LangChain 适合谁LangChain 是一个用 Python 构建 LLM 驱动应用和智能体的框架MIT 协议支持 Python 3.10 及以上。适合需要快速交付聊天机器人、数据问答助手、带工具调用的 agent 的开发者。不适合只是想了解大模型是什么的人以及需要精确控制延迟、逐节点手搭工作流的人——后者可以跳过它直接用文末生态里的 LangGraph。 5 分钟装好并跑通第一次模型调用先把 LangChain 装进你的 Python 项目也可以克隆源码浏览实现uv add langchain # 或克隆源码浏览 git clone https://gitcode.com/GitHub_Trending/la/langchain然后写一个最短可运行示例from langchain.chat_models import init_chat_model model init_chat_model(openai:gpt-5.5) result model.invoke(Hello, world!) print(result)model 传“厂商:模型名”字符串init_chat_model 会替你加载对应的集成包换别家模型只改这一个字符串。 把工具接进聊天应用LangChain 的 3 个实战场景场景一工具调用型智能体输入一句用户提问 一组 Python 函数当工具比如 check_weather。langchain.agents 模块的 create_agent 接收 model、tools、system_prompt 三个参数返回编译好的智能体图。输入“旧金山天气怎么样”agent 自动循环模型决定调天气工具 → 执行 → 把结果喂回模型 → 直到能直接作答。你得到一份经过工具核实的答案和完整消息记录。场景二让模型吐出结构化数据给 create_agent 加一个 response_format 参数传一个 Pydantic 模型类即可。输入一句不规范的提问 字段定义输出严格符合 schema 的 JSON 对象直接入库不用自己写正则去抠模型的回答。场景三换模型、接自己的数据源输入不同的模型厂商或向量库输出其余代码不用改。仓库 libs/partners/ 目录收录了 15 个伙伴集成包openai、anthropic、chroma、qdrant 等模型、嵌入、向量存储的核心抽象都在 libs/core/langchain_core/ 里装好对应集成包后换个模型字符串就能切换。 LangChain 周边生态谁负责什么LangGraphLangChain 智能体底层构建其上的低层编排框架提供持久执行、流式输出、人工确认中断、状态持久化。需要混合确定性流程与自主流程时用它。Deep Agents构建在 LangChain 之上的高层包智能体自带规划、子代理分发、文件系统使用能力面向复杂长任务。LangSmithLLM 应用开发平台负责 agent 评测、可观测性和调试。✅ 你的下一步给天气 agent 加一个工具新建项目执行uv add langchain把上面示例里的模型名换成你有 API key 的模型然后照场景一写一个工具函数传给 create_agent。卡住时打开 libs/langchain_v1/langchain/agents/create_agent 的文档字符串里就带着可运行的完整示例。【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考