安装多版本python-pytorch-Langchain开发环境-优快云博客

本文链接：https://blog.youkuaiyun.com/eucalytus/article/details/147326050

这是我上课的教案，给学生搭建自己的开发环境。共享到这里吧。

步骤1:检查环境

python --version
conda list

步骤2:安装Python

注意：如果没有安装python，参考以下步骤，如果已经按转，忽略此步骤

首先在官网下载对应操作系统的版本：

https://www.python.org

在Windows下安装，很好的参考链接：

https://blog.youkuaiyun.com/thefg/article/details/128601410
感谢博主
注意：
Python需要安装包到计算机磁盘根目录或英文路径文件夹下，即安装路径不能有中文。

步骤3:Anaconda3的安装配置

到官网 https://www.anaconda.com/products/individual 选择适合自己系统的 64 位安装包，注意选择 Python3 以上的版本。

注意：1、提交一下自己的邮件，到邮件里找到下载连接

2、安装时记得勾选Add Anaconda to my PATH environment variable 添加到环境变量中。

安装完成后打开cmd，输入conda回车出现如下信息，即为安装成功。

感谢原博主，参考链接：

https://blog.youkuaiyun.com/m0_61869253/article/details/132294681

步骤4:在新的环境，建立LangChain开发环境

1、进入新的虚拟环境

conda create --name langchain 
conda activate langchain

2、安装Numpy、scipy matplotlib（可选）

安装

pip3 install numpy pandas scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

3、安装scikit-learn（可选）

pip3 install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple

python3 -m pip show scikit-learn #核查安装情况

4、安装jupter lab

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyterlab

继续安装中文

pip3 install jupyterlab-language-pack-zh-CN

重新打开一个新的终端，启动：

jupyter-lab

5、安装 LangChain 包

打开一个新终端，进入刚才建立的名为langchain虚拟环境

pip install langchain langchain-core langchain-openai langchain-community -i \ https://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com

6、安装LLM

(1）进入 Ollama 官网，下载适合自己系统的 Ollama 版本，运行相应的命令安装 Ollama 。

安装 Ollama

访问 Ollama 官⽹（https://ollama.com/download）

如果太慢，可以替换：https://ollama.ruanmao.net

下载对应安装包，双击完成安装。

(2）在安装 Ollama 后，运行 Ollama ，在 Ollama 官网的模型库中选择自己喜欢的 LLM 。

(3）打开命令行终端，执行相应命令下载和运行模型。

我们的使用千问的1.8B模型或者DeepSeek1.5B模型进行演示和学习。执行以下命令通过 Ollama 加载和运行模型。

#千问模型
ollama run qwen:1.8b
或者
ollama pull qwen:1.8b
#DeepSeek模型
ollama run deepseek-r1:1.5b
或者
ollama pull deepseek-r1:1.5b

安装过程如图：

备注：出现success，就成功安装了

如果想尝试在本地模拟 GPT 接口，则执行下方命令复制模型并自定义名字（这里自定义为" gpt -3.5- turbo ")。

ollama cp qwen:1.8b gpt-3.5-turbo

执行以下命令查看运行中的模型。

 ollama list 
 则输出模型列表，例子如下：

¥¥¥ 安装开发环境成功！ $$$

步骤5:测试

在命令行终端中执行以下命令，进入 Python 环境。
python3
然后执行：
import langchain

# 获取版本号
print(f"LangChain版本号: {langchain.__version__}")
LangChain版本号: 0.3.23
# 获取安装路径
import site
print(f"安装路径: {site.getsitepackages()[0]}/langchain")

import langchain_ollama  # 测试模块是否可导入
print(langchain_ollama.__version__)  # 输出版本号
0.3.0（我的安装，大家应该也是）

（^D退出python）

继续测试，可以使用下面的代码，测试本地部署的DeepSeek模型，名字deepseek-r1:1.5b

from dotenv import load_dotenv
from langchain_core.messages import HumanMessage
from langchain_community.chat_models import ChatOllama  

# 加载.env文件的环境变量（Ollama不需要API_KEY，此步可保留但非必须）

load_dotenv()

# 创建本地Ollama模型实例

model = ChatOllama(
    model="deepseek-r1:1.5b",  # Ollama模型名称
    base_url="http://localhost:11434",  # Ollama服务地址
    temperature=0.8
)

# 调整消息格式（Ollama兼容OpenAI格式）

messages = [
    {"role": "system", "content": "把下面的语句翻译为英文。"},
    {"role": "user", "content": "今天天气怎么样？"}
]

# 调用模型

response = model.invoke(messages)
print(response.content)

执行结果如下，类似：
<think>
好，我现在需要帮助用户将中文句子翻译成英文。用户的查询是“今天天气怎么样？”首先我要确定这句话的正确翻译。

“今天天气怎么样？”这句话表达的是天气状况的描述，所以对应的英文应该是“How is the weather today?”。“How”表示疑问，“the weather”指的是天气情况，“today”指代当前时间。

接下来我要检查是否有更准确或标准的英文表达。考虑到中文通常使用口语化的表达方式，所以用“今天天气怎么样？”是合适的。

然后我要确保翻译的语法正确，句子结构通顺，没有遗漏任何信息。用户的需求是准确传达原句的意思，所以需要保持语义准确。

最后，我确认没有使用任何不正确的词汇或标点符号，确保整个翻译看起来自然流畅。这样处理后，用户的英文对话应该既准确又自然。
</think>

How is the weather today?

如果要获取依赖项（需安装pipdeptree）

pip install pipdeptree
pipdeptree --packages langchain

如果ollama没有启动，执行命令

ollama serve

复制过来发现图要重新再传，等有空再说吧。