《2026 LangChain零基础入门：用AI应用框架快速搭建智能助手》第1课：LangChain 安装与第一个 LLMChain —— 5分钟让模型调用变得像函数一样简单

小小程序猿~~~

1030人浏览 · 2026-03-17 10:16:49

小小程序猿~~~ · 2026-03-17 10:16:49 发布

大家好，我是链上杯子（CSDN：链上杯子）。

失业一年了，天天想着怎么翻身。之前自己写代码调用大模型 API 时，每次都要手动拼 headers、data、解析 json，代码一多就乱成一团。后来发现 LangChain 这个框架，把这些重复工作都封装好了，几行就能跑通，还能轻松扩展成链式调用。第一次用它调用模型，看到输出那么干净，感觉像给自己的 AI 小工具装了个更好的“发动机”。

本课目标：
学会安装 LangChain，用最简单的 LLMChain 方式调用大模型，快速生成内容。
学完这节课，你就能把“调用 AI”从一堆 JSON 代码，变成像调用普通函数一样简单自然。

环境准备

确保 Python 版本 ≥ 3.10（之前环境即可）
打开命令行（cmd / 终端），安装必要包：
```
pip install langchain langchain-community langchain-openai
```
（langchain-openai 兼容 DeepSeek、OpenAI 等 OpenAI 格式的 API）
准备 API Key
- 去 deepseek.com 注册 → API Keys → 创建一个免费 Key
- 记下来，后续代码会用到

核心代码实战

1. 最简单调用 —— 直接用 ChatOpenAI

from langchain_openai import ChatOpenAI

# 初始化模型（替换成你的真实 Key）
llm = ChatOpenAI(
    openai_api_key="sk-你的DeepSeek-API-Key",      # ←←← 这里替换
    openai_api_base="https://api.deepseek.com/v1",   # DeepSeek 的地址
    model="deepseek-chat",                           # 或 deepseek-coder
    temperature=0.7,                                 # 0 最确定，1 最随机
    max_tokens=300                                   # 最多输出 token 数
)

# 直接问一句
response = llm.invoke("用一句话介绍 LangChain。")
print("AI 回复：")
print(response.content)

运行后会看到类似输出：

AI 回复：
LangChain 是一个开源框架，帮助开发者快速构建基于大语言模型的应用，例如聊天机器人、知识问答和自动化代理。

小知识点：

ChatOpenAI 是 LangChain 提供的模型接口，支持 DeepSeek、OpenAI、Claude 等兼容 OpenAI 格式的模型。
.invoke() 是最简单的调用方法，输入字符串，返回 AIMessage 对象，.content 取出文本。

2. 第一个 LLMChain —— Prompt + 模型 = 一条链

from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain

# 初始化模型
llm = ChatOpenAI(
    openai_api_key="你的 Key",
    openai_api_base="https://api.deepseek.com/v1",
    model="deepseek-chat",
    temperature=0.8
)

# 定义 Prompt 模板（用 {} 作为占位符）
prompt = PromptTemplate.from_template(
    "你是一个{role}，请帮我{task}，风格要{style}，字数大约{length}字。"
)

# 创建链：Prompt + 模型
chain = LLMChain(llm=llm, prompt=prompt)

# 运行链（填充变量）
result = chain.run(
    role="温暖治愈的写手",
    task="写一段关于雨后彩虹的短文",
    style="温柔细腻，带点诗意",
    length=400
)

print("生成的短文：")
print(result)

运行后模型会直接输出一段符合要求的短文。

LLMChain 的优势：

Prompt 可以复用，变量随意替换
代码简洁，不用手动处理 JSON
后续加记忆、Agent 等功能都基于 Chain 扩展

3. 互动版 —— 用户输入参数

# 让用户自己输入
role = input("AI 扮演什么角色？（例如：专业小说家）：")
task = input("具体任务是什么？（例如：写一段科幻开头）：")
style = input("风格要求（例如：冷峻克制）：")

result = chain.run(role=role, task=task, style=style, length=350)
print("\nAI 生成的内容：")
print(result)

小练习（2 道）

练习1（基础）
复制第1段代码，把问题改成：“给我推荐 3 本适合零基础学 AI 的书”。
运行看回复。
再分别把 temperature 改成 0.2 和 1.0，观察输出风格的差异。

练习2（进阶）
修改第2段的 Prompt 模板，增加一句输出要求：
“请使用 Markdown 格式，包括标题和分点说明。”
让用户输入 role、task、style，运行链。
把生成的 Markdown 内容复制到任意地方预览效果（比如记事本或 CSDN 草稿）。

本课小结

本课安装了 LangChain，用 ChatOpenAI 直接调用模型，用 PromptTemplate + LLMChain 把 Prompt 和模型封装成可复用的“链”。
现在调用大模型不再需要写一堆 JSON 和请求代码，几行就能完成，而且后续扩展非常方便。LLMChain 是 LangChain 最基础、最常用的构建块。