企业官网建设流程全解析

LangChain 入门：三步跑通一个会读文档的对话机器人

【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain

想给内部工具加个"能读文档、会答问"的功能：丢一份 PDF 进去，直接提问拿答案。从零开始你得自己接文档加载、切分、向量存储、模型调用，坑一个接一个。

这正是 LangChain 要解决的。它给文档加载、模型调用、工具调用这些环节一套统一接口，都拆成能直接抓来用的组件。第一次做 LangChain 入门，思路是把这些组件拼起来，而不是自己去写对接代码。

LangChain 能帮你干成的 3 件事

• 📄文档问答：把文档喂进去，让模型基于内容回答。加载器在libs/core/langchain_core/document_loaders/，检索逻辑在libs/core/langchain_core/retrievers.py。
• 💬带记忆的多轮对话：记住上一轮说了什么，机器人不会"失忆"。对话历史的核心接口在libs/core/langchain_core/chat_history.py。
• 🛠让模型调用外部工具：把"查天气""跑查询"这类函数交给模型，由它决定何时调用。工具定义在libs/core/langchain_core/tools/。

五分钟装好并验证 LangChain

项目用 uv 管理依赖，LangChain 安装分三步：

git clone https://gitcode.com/GitHub_Trending/la/langchain cd langchain/libs/core uv sync

uv sync按锁文件装依赖，跑完后当前目录会出现一个.venv。接着跑单元测试验证环境：

make test

结尾刷出一排passed、没有红色FAILED，就说明环境通了。

能力地图：哪些目录管哪些事

• 文档加载：读 PDF、HTML 等各种格式
• 文本切分：把长文切成模型能消化的块
• 提示词：模板与变量管理
• 聊天模型：对接 OpenAI、Anthropic、Google 等的统一入口
• 智能体：预置的 agent 架构

最小示例：第一次对话调用

来自官方 quickstart，需要在环境里设好OPENAI_API_KEY：

from langchain.chat_models import init_chat_model model = init_chat_model("openai:gpt-5.5") reply = model.invoke("用一句话介绍你自己。") print(reply.content)

init_chat_model吃一个"厂商:模型名"字符串，自动实例化对应客户端；invoke发出一条消息并返回 AIMessage；.content取出正文。想换 Anthropic 或本地 Ollama，只改那一个字符串即可。要带多轮记忆，再引入上面第二件的 chat history 模块。

认真用起来的 3 个建议

• 提示词集中管理：把 prompt 存成受版本管理的文件，用libs/core/langchain_core/prompts/统一管理变量，改一处全局生效。
• 加缓存：对重复问题先查缓存再调模型，省 token 也更快。看libs/core/langchain_core/caches.py。
• 限流：批量调用前挂个限流器，免得被厂商掐断。看libs/core/langchain_core/rate_limiters.py。

下一步去哪看

• 根README.md和各libs/*/README.md讲清整体架构与分包方式。
• 每个单元测试都是能直接跑的示例，从libs/core/tests/unit_tests/和libs/langchain_v1/tests/unit_tests/挑一个跑起来。
• libs/standard-tests/是标准测试套件，展示集成测试怎么写。

对 Python 背景的开发者，现在就可以 clone 下来make test，把最小示例换成你自己的模型再跑一遍。

【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain