注意：本教程是基于LangChain进行的简单教程
1. 安装LangChain的相关Python包:
pipinstalllangchain_openai pipinstalllangchain_core2.准备相关api_key
打开LangChain官网，登录账号（没有账号便注册，这里我直接用的谷歌登录，需要非大陆节点）
点击左侧栏的“Tracing Projects”，然后新增一个项目
创建LangChain的api，并在创建好了后保存该api
也可在左侧栏setting——API Keys中进行创建
完成信息填写后记得复制弹出来的api信息
3.准备语言模型的API
本次示例用的是openai的模型，需要到对应官网注册创建，openai官网>openai官网
创建完毕后复制api_key
4.代码示例：
importosfromconfigimportLANGSMITH_API_KEY,OPENAI_API_KEY# 这里是将密钥放在一个名为config的文件中，非官方包fromlangchain_openaiimportChatOpenAIfromlangchain_core.promptsimportChatPromptTemplatefromlangchain_core.output_parsersimportStrOutputParser# ===================== 关键：手动配置环境变量（可选，替代终端export） =====================# 方式1：代码内直接设置（适合不想在终端执行export的场景，二选一即可）os.environ["LANGSMITH_TRACING"]="true"os.environ["LANGSMITH_ENDPOINT"]="https://api.smith.langchain.com"os.environ["LANGSMITH_API_KEY"]=LANGSMITH_API_KEY# LangChain的密钥os.environ["LANGSMITH_PROJECT"]="pr-potable-rib-57"# 修正为你的项目名os.environ["OPENAI_API_KEY"]=OPENAI_API_KEY# OpenAI 平台的接口调用密钥，授权代码调用OpenAI的大模型（比如 gpt-3.5-turbo、gpt-4）# 初始化大模型， 根据自己想要调用的模型，调整model，这里用的是官方举例的gpt-5-nanollm=ChatOpenAI(model="gpt-5-nano")# 定义提示词模板prompt=ChatPromptTemplate.from_messages([("system","你是一个友好的入门助手，用简洁的语言回答用户问题。"),("user","{question}")])# 构建链式调用chain=prompt|llm|StrOutputParser()# ===================== 4. 运行并输出结果 =====================if__name__=="__main__":# 用户问题（入门测试用）user_question="什么是LangChain？用3句话简单解释"# 调用链式流程response=chain.invoke({"question":user_question})# 打印结果print("===== 模型回答 =====")print(response)控制台输出结果：
=====模型回答=====LangChain 是一个帮助开发者用大语言模型（LLM）构建应用的框架。 它提供提示模板、chains（链路）与 agents（代理）等组件，用来编排提示、推理过程以及对外部工具和数据源的调用。 通过内置的记忆、检索和 API 集成等能力，LangChain 适合实现聊天机器人、自动化任务和信息提取等端到端工作流。 进程已结束，退出代码为0
)
)
