AI大模型agent LangChain入门环境搭建2025最新

已于 2025-03-08 14:32:38 修改
阅读量874 收藏 11
点赞数 18
文章标签： 人工智能 langchain AI大模型 深度学习 Agent AO LLM
于 2025-03-08 14:32:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/python1234567_/article/details/146115984
版权

环境配置：

Ubuntu 18或20都可以

python环境：3.10.12

在Ubuntu系统中安装Python 3.10.12可以通过多种方式完成，以下是几种常见的方法：

方法：使用pyenv安装

pyenv是一个流行的工具，可以方便地管理和安装多个Python版本。

  1. 安装依赖包
    在安装pyenv之前，需要安装一些依赖包：
sudo apt update
sudo apt install -y make build-essential libssl-dev zlib1g-dev libbz2-dev \
libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev \
xz-utils tk-dev libffi-dev liblzma-dev python-openssl git
  1. 安装**pyenv**
    使用curl或wget安装pyenv：bash复制
curl https://pyenv.run | bash
  1. 配置环境变量
    将pyenv初始化脚本添加到你的~/.bashrc或~/.zshrc文件中：bash复制
echo 'export PATH="$HOME/.pyenv/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init --path)"' >> ~/.bashrc
echo 'eval "$(pyenv virtualenv-init -)"' >> ~/.bashrc
source ~/.bashrc
  1. 安装Python 3.10.12
    使用pyenv安装指定版本的Python：bash复制
pyenv install 3.10.12
pyenv global 3.10.12
  1. 验证安装
    检查Python版本：bash复制
python --version

在这里插入图片描述

在这里插入图片描述

vscode安装

在这里插入图片描述

搜索》》》code

在这里插入图片描述

在vscode安装jupyter

img

扩展：api key监控（可选）

Langchain的环境和监控_哔哩哔哩_bilibili

可选，监控

img以下是在Ubuntu系统上搭建LangChain环境并进行简单使用的详细指南，包含环境配置、安装步骤、基础示例及常见问题解决方案：

在这里插入图片描述

pip install langchain_community

img

pip install openai

尝试运行：

在这里插入图片描述

from langchain.llms import OpenAI

llm = OpenAI(openai_api_key="...")

接入火山方舟大模型的deepseek api

Python环境配置

# 安装LangChain核心库及OpenAI兼容模块
pip install langchain-core langchain-openai

在这里插入图片描述

火山方舟地址：

https://www.volcengine.com/experience/ark

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

demo版

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage

# 配置火山方舟参数
model_name = "ep-20250304123456-7b8r2"  # 替换为你的接入点模型名称
api_key = "volc-xxxxxxxxxx"  # 替换为你的API密钥

# 初始化LangChain模型对象
llm = ChatOpenAI(
    model=model_name,
    openai_api_key=api_key,
    openai_api_base="https://ark.cn-beijing.volces.com/api/v3",  # 火山方舟API地址
    max_tokens=1024,
    temperature=0.8
)

# 发送单轮对话请求
response = llm.invoke([
    HumanMessage(content="用鲁迅的风格写一段关于人工智能的讽刺短文")
])
print(response.content)

实际版

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage

# 配置火山方舟参数
model_name = "deepseek-r1-distill-qwen-32b-250120"  # 替换为你的接入点模型名称
api_key = "d0334548-xxxx-xxxx-a4c1-2xxxxxxb3"  # 替换为你的API密钥

# 初始化LangChain模型对象
llm = ChatOpenAI(
    model=model_name,
    openai_api_key=api_key,
    openai_api_base="https://ark.cn-beijing.volces.com/api/v3",  # 火山方舟API地址
    max_tokens=1024,
    temperature=0.8
)

# 发送单轮对话请求
response = llm.invoke([
    HumanMessage(content="用鲁迅的风格写一段关于人工智能的讽刺短文")
])
print(response.content)

一、Ubuntu环境准备

安装中文

在Ubuntu中安装中文输入法_ubuntu zhongwenshurufa-优快云博客

在这里插入图片描述

在这里插入图片描述

lsb_release 是一个常用的命令，用于显示 Linux 发行版的详细信息。

  1. 打开终端（Terminal）。
  2. 输入以下命令并按回车：bash复制
lsb_release -a
  1. 输出内容中会显示 Distributor ID 和 Release 信息。如果显示如下内容，则说明系统是 Ubuntu 20.04：复制
Distributor ID: Ubuntu
Description:    Ubuntu 20.04 LTS
Release:        20.04
Codename:       focal

如果你不确定当前使用的桌面环境，可以通过以下命令查看：

bash复制

echo $XDG_CURRENT_DESKTOP

如果输出为 GNOME，则说明你正在使用 GNOME 桌面环境

sudo apt install ibus
sudo apt install ibus-gtk ibus-gtk3
sudo apt install ibus-pinyin

有时候看不到下图，需要重启一下系统

在这里插入图片描述

按win+空格==切换输入法（有时候抽风，不好用…)

2. 创建虚拟环境（推荐）

避免依赖冲突，建议使用虚拟环境：

python3 -m venv langchain-env  # 创建虚拟环境
source langchain-env/bin/activate  # 激活环境

退出虚拟环境：deactivate (#evidence21)

二、安装LangChain及依赖

1. 安装基础包

pip install langchain  # 最低依赖版本 (#evidence11)

2. 安装扩展依赖（按需）

  • 常用LLM支持

    （如OpenAI、HuggingFace）：

pip install langchain[llms]

  • 完整集成

    （所有模块）：

pip install 'langchain[all]'  # 注意zsh需加引号 (#evidence13)

3. 其他工具安装

  • LangSmith（可选）

    ：开发者平台集成

pip install langsmith

  • LangServe（API部署）

    ：

pip install "langserve[all]"

三、简单使用示例

1. 获取OpenAI API密钥

  1. 访问 OpenAI官网 注册/登录。
  2. 进入 API Keys 页面，点击 Create new secret key。
  3. 复制生成的密钥并妥善保存（页面关闭后不可见）(#evidence31)。

2. 示例代码：调用OpenAI模型

from langchain.llms import OpenAI

# 初始化模型（替换为你的API密钥）
llm = OpenAI(api_key="your-api-key")

# 发送请求
response = llm("请用一句话解释量子计算")
print(response)

3. 其他基础功能

  • Prompt模板

    ：

from langchain import PromptTemplate

template = "你好，{name}！今天有什么计划？"
prompt = PromptTemplate(input_variables=["name"], template=template)
formatted_prompt = prompt.format(name="Alice")
print(formatted_prompt)  # 输出：你好，Alice！今天有什么计划？ (#evidence23)

四、常见问题及解决

1. Python版本不兼容

  • 现象

    ：ModuleNotFoundError: No module named 'langchain' 或依赖报错。

  • 解决

    ：

    • 确保Python ≥3.8.1：python3 --version
    • 升级Python或使用虚拟环境（参考步骤一）(#evidence43)。

2. 依赖项缺失

  • 现象

    ：安装后无法导入模块。

  • 解决

    ：

pip install langchain[llms]  # 补充安装LLM依赖
# 或手动安装特定包（如缺少requests）
pip install requests

3. 网络问题

  • 现象

    ：pip install 下载超时。

  • 解决

    ：

    • 更换国内镜像源：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple langchain
    • 使用代理（如有）：export http_proxy="[http://your-proxy:port](http://your-proxy:port)" (#evidence44)。

4. 权限问题

  • 现象

    ：Permission denied 错误。

  • 解决

    ：

    • 使用虚拟环境（避免系统路径权限限制）。
    • 或添加 --user 参数：pip install --user langchain (#evidence47)。

五、进阶配置建议

1. 使用LangChain社区集成

  • 向量数据库

    （如Chroma）：

pip install chromadb

  • 文档加载器

    （如PDF）：

sudo apt install poppler-utils  # Ubuntu依赖
pip install unstructured[all-docs]

2. 版本管理

  • 升级LangChain至最新版：
pip install --upgrade langchain
  • 固定版本（避免兼容性问题）：
pip install langchain==0.0.268

如何零基础入门 / 学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

read-normal-img

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

img

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。

AI_小站
关注
【大模型应用开发 动手做AI Agent】LangChain和Agent开发
AI天才研究院
07-17 1272
【大模型应用开发 动手做AI Agent】LangChain和Agent开发 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：LangChain, AI Agent, 大模型, 编程式AI, 自然语言
【LangChain编程：从入门到实践】开发环境准备
AI天才研究院
07-24 653
【LangChain编程：从入门到实践】开发环境准备 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 1. 背景介绍 1.1 问题的由来 随着人
7月Langchain-Chatchat 0.3.1最新 win系统-安装教程，踩坑2小时，5分钟拿去！
fengxiaoyangfeng的博客
08-01 1354
Langchain-Chatchat最新升级版 0.3.1 -win11系统安装部署手把手教程。踩坑半天，根据教程快速上手! 官网教程基本上适合linux系统。
LangChain安装和入门案例
程序员一博
11-03 2627
大语言模型（LLM）是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务，如文本分类、问答、对话等，是通向人工智能的一条重要途径。
LainChain技术解析：基于RAG架构的下一代语言模型增强框架
最新发布
fudaihb的博客
04-24 732
随着大语言模型（LLM）在自然语言处理领域的突破性进展，如何突破其知识时效性限制、提升事实准确性成为关键挑战。LainChain通过整合检索增强生成（RAG）技术，构建起动态知识接入框架，为LLM提供实时外部知识支持。本文从技术原理、架构设计、应用场景三个维度，深入解析LainChain如何通过检索-生成协同机制，实现语言模型能力的跃迁式提升。
拥抱大模型时代：LangChain 框架快速入门指南
2301_81940605的博客
05-09 1838
拥抱大模型时代：LangChain 框架快速入门指南
ChatGpt大模型入门
Tecinno4的博客
08-19 945
建议创建一个新的虚拟环境，避免安装依赖冲突，conda下载：conda安装：conda环境创建，llm是环境名，可以随意命名：conda切换环境。
AI大模型（LLMs）学习笔记——LangChain开源框架和智能Agent
datian1234的博客
01-08 969
LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起， 并集成额外的资源，例如 API 和数据库。
使用LangChain快速搭建自己的大模型产品
weixin_40566713的博客
05-24 858
【代码】使用langChain快速搭建自己的大模型产品。
langchain简版教程附案例
luxinfeng的博客
05-28 6604
langchain是一个开源的应用开发框架。基于该开源框架，我们可以把大模型与各种工具结合从而实现各种功能，比如基本文档的问答，解析网页内容、查询表格数据等。目前支持Python和TypeScript两种编程语言。当前Python框架支持的模型和功能最全面。
LangChain大模型应用落地实践（一）：环境准备
05-09 1961
LLMs是最近点燃了NLP的一把火。GPT3.5、GPT4的快速迭代，模型的优异表现在模型层面让大家隐约看到了理想中人工智能应有的样子；OpenAI的ChatGPT、微软的New Bing和Office Copilot也让我们看到了LLMs落地成产品的无限可能性。因此，国内各大企业也争相构建中文LLMs（比如，百度的文心一言），以及思考LLMs与现有产品融合升级后到底能碰撞出什么样的火花。模型（LLMs）产品（应用）GPT3.5ChatGPT。
ubuntu18.04 安装langchain - chaingml - 6b 记录
zhaoxiuzhen521的博客
07-02 317
解决办法。
小白入门大模型：LangChain（附教程）
2301_81888214的博客
02-27 1443
Langchain是一个语言模型的开发框架，主要是利用大型LLMs的强大得few-shot以及zero-shot泛化能力作为基础，以Prompt控制为核心基础，让开发者可以根据需求，往上快速堆叠应用，简单来说： LangChain 是基于提示词工程(Prompt Engineering)，提供一个桥接大型语言模型(LLMs)以及实际应用App的胶水层框架。
【AI大模型应用开发】【LangChain系列】0. LangChain框架介绍，实现LangChain的Hello World
同学小张的博客
02-04 1753
LangChain是一个面向大模型的开发框架（SDK）。本文对 LangChain 系列开个头，介绍了其架构，并用LangChain写了第一个程序。
[如何在LangChain中使用Writer生态系统：安装、设置与应用指南]
akhfuiigabv的博客
10-30 383
使用Writer生态系统与LangChain结合，能够极大地简化复杂文本生成任务。无论是初学者还是经验丰富的开发者，掌握这项技术将极大增强NLP处理的能力。LangChain官方文档Writer API参考。
【记录】LangChain+本地模型的文档问答（webUI）
dopapapa的博客
06-07 1745
已在notebook测试无误。
Langchain 小总结（一）【安装+组成】
weixin_74769910的博客
07-22 3540
LangChain 介绍 | LangChain中文网:500页中文文档教程，助力大模型LLM应用开发从入门到精通。
深入解析LangChain：构建智能应用的全方位指南
mama19971023的博客
08-07 633
你能先简单介绍一下 LangChain 吗？包括它的背景、主要功能，以及它在当前语言模型开发中的意义。
AI大模型企业应用实战(15)-langchain核心组件
JavaEdge全是干货的技术号
06-23 1169
在Langchain中，Chain是一个处理单元，负责接收输入数据、执行特定操作并输出结果。每个Chain可以独立工作，也可以与其他Chain组合，形成复杂的处理流程。Chain 组件图示：Chain的设计使得数据处理变得模块化和可复用。你可以将不同的Chain拼接在一起，轻松实现数据的传递和处理。Langchain的设计使得数据处理变得简单高效。通过合理利用Chain组件，可以轻松构建和维护复杂的数据处理流程。希望这篇博客能帮助你更好地理解和使用Langchain。
qwen_agent是一种框架吗？和langchain类似？
04-17
### Qwen_Agent 是否为一种框架 Qwen_Agent 是一个用于构建基于大语言模型应用的强大框架[^1]。通过该框架，开发者可以轻松实现复杂的应用程序开发流程，支持多种工具调用和功能扩展。 --- ### Qwen_Agent 与 LangChain 的比较 #### 1. **核心设计理念** - **Qwen_Agent**: 主要专注于提供灵活的代理机制和支持多样化的插件生态。其设计目标是让开发者能够快速集成各种外部服务（如搜索引擎、数据库查询等），并通过统一接口完成复杂的任务处理。 - **LangChain**: 更加注重模块化的设计理念，提供了丰富的组件库来帮助用户搭建端到端的人工智能应用程序。例如，它可以方便地加载不同的工具集并创建定制化的对话链路[^3]。 #### 2. **易用性和灵活性** - **Qwen_Agent**: 提供了一套简洁明了的操作命令行界面 (CLI)，使得安装部署变得简单快捷；同时也允许使用者根据实际需求调整参数配置文件以满足特定业务逻辑的要求[^1]。 - **LangChain**: 虽然也具备较高的可配置程度，但由于其内部结构相对复杂，在初次接触时可能需要花费更多时间去学习理解各个部分之间的关系及其作用方式[^3]。 #### 3. **社区活跃度和技术支持** - **Qwen_Agent**: 得益于阿里巴巴集团强大的研发实力背书，该项目拥有持续更新迭代的能力，并且官方文档详尽全面有助于降低入门门槛。 - **LangChain**: 自开源以来便受到了广泛的关注与贡献，形成了庞大的全球开发者网络社群资源分享平台，因此无论是在遇到问题寻求解决方案还是获取最新技术动态方面都占据一定优势[^3]。 #### 4. **应用场景适配能力** - **Qwen_Agent**: 特别适合那些希望利用通义千问系列预训练模型来进行自然语言理解和生成的企业级客户群体。它内置了许多针对中文环境优化过的特性选项可供选择使用。 - **LangChain**: 则更加泛化一些，除了支持主流的大规模机器翻译引擎之外还能兼容其他第三方服务商所提供的 API 接口接入方案从而扩大适用范围至跨国界跨文化沟通交流场合下[^3]。 --- ### 示例代码对比 以下是两者分别实现相同功能的一个例子： #### Qwen_Agent 实现 ```python from qwen_agent import AgentExecutor, ToolkitsLoader toolkits_loader = ToolkitsLoader() tools = toolkits_loader.load_toolkit('search', 'math') executor = AgentExecutor(tools=tools) response = executor.run("计算圆周率前五位数是多少?") print(response) ``` #### LangChain 实现 ```python from langchain.agents import initialize_agent, load_tools from myChatQwen import CustomChatLLM llm = CustomChatLLM() tools = load_tools(['serpapi', 'llm-math'], llm=llm) agent_chain = initialize_agent( tools, llm, agent="zero-shot-react-description", verbose=True ) result = agent_chain.run("What is the value of pi rounded to five decimal places?") print(result) ``` --- ### 结论 综上所述，虽然二者均旨在促进人工智能驱动型软件系统的建设与发展进程之中起到了重要作用，但它们之间仍然存在诸多差异之处值得我们深入探讨研究以便更好地服务于不同类型的项目实践当中[^3]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值