LangChain 框架入门：构建 AI 应用的最佳实践
写在前面：LangChain 是构建 AI 应用的主流框架。这篇文章详解 LangChain 核心概念和实战用法。
一、核心概念
1.1 Components（组件）
1
2
3
4
5
6
7
8
| from langchain.chat_models import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
llm = ChatOpenAI(model="gpt-3.5-turbo")
prompt = ChatPromptTemplate.from_template("你好，{name}")
|
1.2 Chains（链）
1
2
3
4
| from langchain.chains import LLMChain
chain = LLMChain(llm=llm, prompt=prompt)
result = chain.run(name="John")
|
二、实战案例
2.1 文档问答
1
2
3
4
5
6
7
8
9
10
11
12
13
| from langchain.document_loaders import TextLoader
from langchain.vectorstores import FAISS
loader = TextLoader("doc.txt")
docs = loader.load()
vectorstore = FAISS.from_documents(docs, embeddings)
qa = VectorDBQA.from_chain_type(llm, retriever=vectorstore.as_retriever())
result = qa.run("文档讲了什么？")
|
2.2 Agent 工具调用
1
2
3
4
5
6
7
8
| from langchain.agents import initialize_agent, Tool
tools = [
Tool(name="Search", func=search, description="搜索工具"),
]
agent = initialize_agent(tools, llm, agent="zero-shot-react-description")
result = agent.run("查下北京天气")
|
三、最佳实践
| 实践 |
说明 |
| 组件复用 |
避免重复创建 |
| Prompt 优化 |
清晰描述任务 |
| 错误处理 |
添加重试机制 |
| 日志记录 |
便于调试 |
作者：John
创建时间：2026-03-06
文档版本：v1.0