0基础小白如何轻松入门LangChain一次性搞懂Model与Agent实战指南一、什么是LangChain为什么它这么火LangChain 是一个用于构建大语言模型LLM应用的开源框架。你可以把它理解成一个「超级工具箱」它能帮你把 ChatGPT、Claude、DeepSeek 这些大模型的能力和你自己的数据、API、数据库串联起来做出真正有用的 AI 应用。对于0基础小白来说LangChain 最大的价值在于你不需要从零手写复杂的 Prompt 拼接逻辑也不用手动处理大模型的各种调用细节LangChain 已经把常见的开发模式封装好了拿来就能用。举个简单例子如果你想做一个能自动阅读 PDF 文档并回答问题的 AI 助手用 LangChain 可能只需要几十行代码就能搞定。二、环境准备5分钟快速搭建在开始写代码之前先把开发环境搭好。只需要三步2.1 安装 Python确保你的电脑上安装了 Python 3.9 或以上版本。可以在终端里输入python --version检查。2.2 安装 LangChain 和相关依赖pip install langchain langchain-openai如果你用的是国内的镜像源可以加上-i https://pypi.tuna.tsinghua.edu.cn/simple加速下载。2.3 获取 API Key你需要一个大模型的 API Key。推荐去 OpenAI 官网 或者国内的 DeepSeek、通义千问等平台申请一个。拿到 Key 之后用环境变量的方式设置它import os os.environ[OPENAI_API_KEY] 你的API-KEY三、核心概念一Model模型——应用的「大脑」在 LangChain 中Model是整套系统的核心引擎所有智能任务都由它来驱动。对于新手你只需要掌握两种模型就够了3.1 LLM大语言模型LLM 是最基础的模型类型它接收一段文字作为输入返回一段文字作为输出。用法非常简单from langchain_openai import OpenAI llm OpenAI(modelgpt-3.5-turbo-instruct, temperature0.7) result llm.invoke(请用一句话介绍什么是人工智能) print(result)上面这段代码的作用就是把问题丢给 GPT 模型它回答一句话然后打印出来。3.2 ChatModel聊天模型ChatModel 是专门为对话场景设计的模型。和普通 LLM 不同它能理解「角色」的概念——谁是用户、谁是助手、谁是系统。这让我们可以给 AI 设定人设from langchain_openai import ChatOpenAI from langchain.schema import SystemMessage, HumanMessage chat ChatOpenAI(modelgpt-4o, temperature0.7) messages [ SystemMessage(content你是一位风趣幽默的 Python 编程老师喜欢用生活中的例子讲解知识。), HumanMessage(content请用一句话解释什么是变量) ] response chat.invoke(messages) print(response.content)运行这段代码AI 会扮演一位幽默的编程老师来回答你的问题而不是冷冰冰地抛出教科书定义。四、核心概念二Agent智能体——让AI自己「思考」和「行动」如果说 Model 是 AI 的「大脑」那Agent就是 AI 的「大脑双手」。Agent 不仅能思考还能自己决定要做什么、用什么工具、按什么顺序做直到完成任务。4.1 Agent 是怎么工作的Agent 的思考循环也叫 ReAct 模式是这样的观察Observation看到用户的提问和当前已知信息思考Thought判断「我还缺什么信息我应该用哪个工具」行动Action调用工具比如搜索网页、查询数据库、执行计算重复拿到工具返回的结果后再思考下一步动作直到能给出最终答案。对于小白来说你不需要手写这套逻辑LangChain 已经帮你封装好了。4.2 你的第一个 Agent能搜索网页的AI助手下面我们做一个能在网上搜信息的 Agent。你可以把它理解成一个会自动百度/Google 的 AIfrom langchain_openai import ChatOpenAI from langchain.agents import load_tools, initialize_agent, AgentType 1. 初始化大模型Agent的「大脑」 llm ChatOpenAI(modelgpt-4o, temperature0) 2. 加载工具Agent的「双手」 tools load_tools([serpapi], llmllm) # serpapi是一个搜索引擎工具 3. 创建 Agent agent initialize_agent( tools, llm, agentAgentType.ZERO_SHOT_REACT_DESCRIPTION, verboseTrue # 设为True可以看到Agent的思考过程 ) 4. 让Agent干活 agent.invoke(今天北京的天气怎么样)运行后你会看到很有意思的输出——Agent 会先自言自语「我需要查天气……好我调用搜索工具……搜索结果是……好的我可以回答了。」整个过程完全透明非常适合学习和调试。4.3 自定义工具让Agent查数据库除了用现成的工具你还可以自己写工具给 Agent 用。比如做一个能查询商品价格的工具from langchain.tools import tool tool def query_product_price(product_name: str) - str: 查询指定商品的价格。输入商品名称返回价格信息。 # 模拟数据库查询 price_db { iPhone 16: 7999元起, MacBook Pro: 12999元起, AirPods Pro: 1899元 } return price_db.get(product_name, 未找到该商品价格) 把这个自定义工具加载给Agent tools [query_product_price] agent initialize_agent(tools, llm, agentAgentType.ZERO_SHOT_REACT_DESCRIPTION, verboseTrue) agent.invoke(iPhone 16和AirPods Pro分别多少钱哪个更贵)Agent 会自动判断需要查哪几个商品的价格依次调用工具然后再对比分析最后给出答案。是不是很神奇五、实战案例构建一个智能旅游助手学到这里我们把 Model 和 Agent 结合起来做一个更完整的例子智能旅游助手。它能根据用户的目的地自动搜索当地天气和景点信息最后给出旅行建议。from langchain_openai import ChatOpenAI from langchain.agents import load_tools, initialize_agent, AgentType from langchain.tools import tool 自定义工具获取旅行贴士 tool def get_travel_tips(city: str) - str: 获取指定城市的实用旅行贴士 tips_db { 北京: 推荐游玩3-5天。春秋最佳提前预约故宫门票地铁出行很方便。, 上海: 推荐游玩2-3天。外滩夜景必看可以坐地铁2号线贯穿主要景点。, 成都: 推荐游玩3-4天。一定要吃火锅大熊猫基地要早上去才看得到活跃的熊猫。 } return tips_db.get(city, 建议提前查好当地天气和热门景点带好身份证件。) 初始化 llm ChatOpenAI(modelgpt-4o, temperature0.3) tools load_tools([serpapi], llmllm) [get_travel_tips] agent initialize_agent(tools, llm, agentAgentType.ZERO_SHOT_REACT_DESCRIPTION, verboseTrue) 开始对话 response agent.invoke(我计划下个月去成都旅游3天帮我查一下天气并给我一份旅行建议。) print(response[output])六、常见问题 避坑指南Q1API 调用要花钱吗是的调用 OpenAI 的 API 按用量收费。不过 GPT-3.5 很便宜几块钱就能做很多实验。国内的 DeepSeek 等平台也有免费额度可以薅。Q2运行 Agent 时一直报错怎么办90% 的报错都是 API Key 没设置对或者网络连不上。建议先用最简单的llm.invoke(hello)测试一下模型能不能通。另外搜网页的工具serpapi需要去 SerpAPI 官网 单独申请 Key如果觉得麻烦现阶段可以先跳过搜索工具只用自定义工具练习。Q3我要学多久才能做出实际项目如果你跟着这篇指南把代码都跑一遍大概一个下午就能理解核心概念。之后做一个简单的 RAG 问答系统或者聊天机器人一两天就足够了。关键是动手写代码不要只看不练。七、学习路线图从小白到能独立开发第一周跑通本文所有代码理解 Model 和 Agent 的基本用法。第二周学习 Chain链的概念把多个步骤串联起来做更复杂的事情。第三周学习 RAG检索增强生成做出能读自己文档的 AI 助手。第四周尝试做一个完整项目比如「个人知识库问答系统」或「AI 客服机器人」。八、总结回顾一下你今天学到的东西LangChain是一个让大模型应用开发变得简单的框架Model是 AI 的大脑分为 LLM文本模型和 ChatModel对话模型Agent是 AI 的大脑双手能自己规划步骤、调用工具、完成复杂任务你写出了第一个 Agent还自定义了工具甚至搭建了一个智能旅游助手。是不是没有想象中那么难LangChain 的门槛其实很低只要你会一点 Python按照本文一步步来很快就能上手。接下来就打开你的编辑器把代码跑起来吧