📖 Nethan's LangChain 学习笔记 2025.04

📚 学习笔记大纲

1. 简单的 QA 机器人

1. invoke、stream 输出
2. Messages 类的封装使用

2. 有记忆的 QA 机器人

1. 配置前后文记忆 thread_id
2. PromptTemplate 的定义与使用
3. 结构化输出的配置与使用

3. 工具类的定义与集成

1. @tool 工具注解的介绍与定义
2. LLM 如何调取工具并返回结果？
3. 中间件 Artifacts 的获取

4. 文件上传与多模态

1. 图片和文本之间的多模态输入
2. 向量嵌入以及语义相关性
3. 向量存储和简单的 RAG
4. 文档 Loader 和 Text Splitter

5. 检索增强生成

1. 关键词检索器
2. 从数据源检索结构化/非结构化数据
3. RAG 的介绍与构建

6. AI Agent

1. LangChain 链的表达

To be accomplished...

什么是 LangChain？

LangChain 是一个用于构建基于 LLM 应用的 开发框架。它的核心目标是：

让语言模型不仅能生成文字，还能理解上下文、调用工具、访问知识库、与外部世界交互。

因此，它并不是一个模型，而是一个模型驱动的应用开发框架，帮你组织 LLM 的输入输出、记忆、工具调用等。RAG、多 agents 都需要使用到 LangChain 或者相关技术。

❓为什么要创建这个仓库

LangChain 库有几个已知的缺点：

• LangChain 更新频繁，且包管理混乱。一两年前的教程使用的包和方法现在都已经标记为 Deprecated，因此会有很多 Warnings 产生。 为了解决这个问题，我目前使用的版本为 2025.4，并基于官方文档来进行构建；
• 目前 LangChain 抽象十分复杂，一个方法有若干种实现形式。所以该笔记尝试统一写法，将所有的方法调用统一的接口，并尝试将其封装并可复用。
• 在工作中也会使用到 LangChain，有一个学习文档供参考可以省去很多搜索时间。

💻 如何运行笔记的代码

会用到 jupyter notebook 文件，穿插 markdown 格式的表述。把常用的功能实现，并且把官方链接附在上方以供查阅。

使用的时候只需要确保一下自己的 Python 库，大体上会用到以下库（可能会有疏忽）：

pip install python-dotenv
pip install langchain==0.3.23
pip install langgraph==0.3.25
pip install langchain-openai==0.3.12

🤔 如何启动

首先在当前目录创建一个 .env 文件，内容为 OPENAI_API_KEY=sk-******，即 OpenAI 的 API Key。 因此本笔记也是基于 OpenAI 的若干模型进行学习，常用的为 gpt-4o-2024-11-20。

$ touch .env
$ vim .env
# PRESS i
# ----- INSERT API KEY HERE -----
OPENAI_API_KEY=sk-******
# PRESS ESC -> :wq -> PRESS ENTER

后面如果需要用到 LangSmith，可以继续配置：

LANGSMITH_TRACING=true
LANGSMITH_TRACING=******

在做网络爬虫和识别的时候，我们会用到比如 SerpAPI 这样的 Google API：

SERPAPI_API_KEY=******