LangChain框架构建LLM应用实战：从链式调用到Agent智能体

前言

大语言模型（LLM）的爆发催生了无数应用场景，但直接调用API往往难以满足复杂业务需求。LangChain作为当前最热门的LLM应用开发框架，通过链式调用（Chain）、提示模板（Prompt Template）、记忆机制（Memory）和智能体（Agent）四大核心组件，让开发者能够快速构建生䧔级AI应用。

本文从实战出发，带你掌握LangChain的核心用法，涵盖模型调用、链式编排、向量检索、Agent工具调用等关键技术，最终实现一个能自主决策的多步推理系统。

一、环境搭建与基础调用

安装LangChain及其依赖：

pip install langchain langchain-openai langchain-community chromadb tiktoken

最基础的LLM调用只需三行代码：

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage

llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
response = llm.invoke([HumanMessage(content="用一句话解释什么是链式调用")])
print(response.content)

这个简单示例展示了LangChain的模型抽象层——无论是OpenAI、Anthropic还是本地部署的开源模型，都可以通过统一接口调用，极大降低了切换成本。