LangChain 上手攻略10 分钟跑通一个能跑的 LLM 应用【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain你写过 LLM 调用但一加上多轮对话、工具和文档检索脚本就开始失控。LangChain 是构建 Agent 和 LLM 应用的 Python 框架——把模型、提示词、工具、文档都抽象成标准组件用管道符一接流程就跑起来了。 解决什么问题想从 OpenAI 换到 Anthropic两家调用方式不同改代码要动十几处LangChain 把模型藏在统一接口后面换模型只改一行配置。想把公司内部搜索 API 接给 LLM 当工具用不知道参数怎么传仓库提供了标准工具接口函数上加个装饰器就能被模型调用。想先切分文档再检索问答不想自己造轮子文本切分和向量库接口在仓库里都是现成的。 三步跑通先拉代码到本地再进到项目根目录。成功后当前文件夹能看到 libs/ 目录里面是各独立发版的包。git clone https://gitcode.com/GitHub_Trending/la/langchain cd langchain这一步用 uv 按锁文件建虚拟环境、装运行和测试依赖以维护中的 langchain 包为例。成功标志是命令无报错退出、目录下多出 .venv。cd libs/langchain_v1 uv sync --group test这条命令跑 tests/unit_tests/ 下的全部单元测试并且全程断网运行不消耗任何 API 配额。结尾看到一长串 passed、0 failed就说明环境完全可用。make test 核心能力拆解一行代码换 LLM场景gpt-4o 测完效果不错但成本太高想换便宜的模型再对比。对应 libs/langchain_v1/langchain/chat_models/ 目录init_chat_model 统一了各家模型提供商模型名就是一个字符串参数换模型不用换客户端、不用改调用代码。用管道符拼装多步流程场景提示词模板 → 模型 → 输出解析器三段逻辑不该写成层层嵌套的函数调用。对应 libs/core/langchain_core/runnables/ 目录每个组件都暴露同一套 invoke/stream 接口prompt | model | parser 一行接完同步异步都是同样的写法这也是整个仓库最核心的抽象。接入本地模型与第三方服务场景数据不能出公司想用 Ollama 在本地跑开源模型。对应 libs/partners/ 目录16 个官方维护的集成包含 openai、anthropic、ollama、huggingface、qdrant 等每个都有独立版本号、锁文件和测试装哪个加哪个的 extra 就行。⚠️ 踩坑提醒网上教程大多对应 0.x 版本仓库里有 core基础抽象、langchainclassic 旧版不再加新功能、langchain_v1维护中的当前版本三套代码教程里的旧导入路径可能已经失效以 libs/langchain_v1/ 下的代码为准。单元测试是故意断网的make test 带 --disable-socket 参数跑碰到需要真实 API 的测试别慌那是设计如此碰真模型的测试放在 integration_tests 里且需要自备 API key。Python 版本有下限三个包都要求 Python 3.10 以上最高支持到 3.14用 3.8/3.9 装依赖会直接报解析错误先换解释器再怀疑仓库。 下一步去哪想看各功能怎么用最地道的教材是 libs/core/tests/unit_tests/150 多个用例覆盖了消息、提示词、可运行对象等核心模块想看真模型怎么接翻 libs/partners/openai/tests/里面大量用 VCR 录制的集成测试不消耗 API key 也能读懂请求结构挑一个 partner 集成把你手头项目的第一行模型调用接上你会发现这个框架比想象中薄很多。【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