Langchain是一个基于大语言模型的应用开发框架，随着社区的快速成长，它现在已不仅仅是一个开发框架，更多的是一个LLM应用的基建工程，提供从开发到上线整个闭环流程的全程支持。

所以当提到Langchain的时候，需要知道它起初只是一个比较简单的LLM应用开发框架，只是后来社区成长后，出现了一系列Langchain命名的项目，它们共同组成了现在的Langchain社区。

安装Langchain

pip install langchain

安装LangServe和LangSmith

pip install langsmith

LangServe模块只有在安装完Langchain CLI后才会自动安装（注意不是Langchain），如果需要单独安装，请使用如下命令

# 同时安装客户端和服务端
pip install "langserve[all]"

# 仅安装客户端
pip install "langserve[client]"

# 仅安装服务端
pip install "langserve[server]"

安装其他依赖

# 必须安装
pip install langchain-openai # LLM大语言模型必须使用

入门例子

在下面这个例子中，主要分为几个简单的入门例子

• 创建LLM ：使用langchain_openai包中的ChatOpenAI()创建一个LLM大语言模型对象

• 创建Prompt ：使用langchain_core包中的ChatPromptTemplate创建一个Prompt对象

• 创建Output_parser ：使用langchain_core包中的StrOutputParser()创建一个输出处理器

• 使用LCEL语进行链式调用 ：使用或运算符|即可自动实现链式调用（基于ror魔法函数实现），如prompt | llm | output_parser

# ==================== 创建LLM并调用 ====================
from langchain_openai import ChatOpenAI

# 1. 使用系统配置的OPENAI_API_KEY环境变量
llm = ChatOpenAI()

# 2. 传递openai_api_key参数
# llm = ChatOpenAI(openai_api_key="")

print(llm.invoke("1+1=?"))

# ==================== 创建一个复杂的Prompt并使用Chain链式调用 ====================
from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ("system", "You are good at math."),
    ("user", "{input}")
])

chain = prompt | llm
print(chain.invoke({"input": "1+1=?"}))

# ==================== 创建一个StrOutputParser输出处理器并加入到Chain中 ====================
from langchain_core.output_parsers import StrOutputParser

output_parser = StrOutputParser()

chain = prompt | llm | output_parser
print(chain.invoke({"input": "1+1=?"}))