企业官网建设流程全解析

本节完成 LangChain 1.0 的第一个可运行闭环：安装依赖、配置密钥、初始化模型、发送消息、创建 Agent，并分别体验同步、批量、异步和流式调用。

1. 环境准备

推荐在虚拟环境中安装 LangChain 1.x：

python-mvenv .venvsource.venv/bin/activate pipinstall-Ulangchain langgraph langchain-openai

确认版本：

importlangchainimportlanggraphprint(langchain.__version__)print(langgraph.__version__)

如果使用 OpenAI 兼容模型服务，还需要设置密钥和服务地址：

importos API_KEY=os.getenv("OPENAI_API_KEY")BASE_URL=os.getenv("OPENAI_BASE_URL")ifnotAPI_KEY:raiseRuntimeError("请先配置 OPENAI_API_KEY")

2. 1.0 的统一模型入口

fromlangchain.chat_modelsimportinit_chat_model model=init_chat_model("Qwen/Qwen3-8B",model_provider="openai",base_url=BASE_URL,api_key=API_KEY,temperature=0.2,max_tokens=1024,)

init_chat_model()的价值在于统一不同模型供应商的初始化方式。业务层继续调用invoke()、stream()或ainvoke()，更换模型时通常只需要修改配置。

3. 最简单的模型调用

response=model.invoke("请用三句话介绍 LangChain 1.0")print(type(response))print(response.content)

返回值通常是AIMessage，文本位于response.content，同时还可能包含：

• response_metadata：模型、结束原因、请求信息；
• usage_metadata：输入、输出及总 Token 数；
• tool_calls：模型请求调用的工具；
• id：本次消息标识。

4. 使用消息对象

fromlangchain_core.messagesimportSystemMessage,HumanMessage messages=[SystemMessage(content="你是一名耐心的 Python 教师。"),HumanMessage(content="请解释什么是装饰器。"),]response=model.invoke(messages)print(response.content)

消息对象比拼接字符串更可靠，因为它明确区分角色，并能容纳工具消息、多模态内容和元数据。

5. 批量、异步与流式调用

5.1 批量调用

questions=["什么是 RAG？","什么是 Agent？","什么是 LangGraph？",]responses=model.batch(questions)foriteminresponses:print(item.content)

batch()适合离线处理多个输入，但仍应关注供应商的并发和限流规则。

5.2 异步调用

importasyncioasyncdefmain():response=awaitmodel.ainvoke("解释 LangChain 1.0")print(response.content)asyncio.run(main())

Web 服务中应优先使用异步方法，避免模型请求期间阻塞工作线程。

5.3 流式调用

forchunkinmodel.stream("写一段关于 Agent 的简短介绍"):ifchunk.content:print(chunk.content,end="",flush=True)

流式输出不会降低总生成时间，但能显著改善用户看到首个 Token 的等待体验。

6. 创建第一个 Agent

fromlangchain.agentsimportcreate_agent agent=create_agent(model=model,tools=[],system_prompt="你是一个严谨、简洁的中文助手。",)result=agent.invoke({"messages":[{"role":"user","content":"LangChain 和 LangGraph 是什么关系？"}]})print(result["messages"][-1].content)

Agent 的输入与输出都是状态字典。messages中不仅保存用户消息与模型回答，后续还会保存工具请求和工具结果。

7. 从 Chain 转向 Graph

8. 常见问题

8.1 401 或鉴权失败

检查 API Key、Base URL 和模型供应商是否匹配，不要在地址末尾重复拼接/v1。

8.2 模型名不存在

模型名由供应商决定。OpenAI 兼容协议并不意味着所有供应商都支持相同模型名。

8.3 返回值不能直接打印

模型返回的是消息对象，应读取.content；Agent 返回状态字典，应读取result["messages"][-1].content。

8.4 Notebook 中异步报错

Notebook 已运行事件循环时，可直接使用：

response=awaitmodel.ainvoke("你好")

9. 本节小结

最小闭环只有三步：初始化模型 → 使用统一消息格式 → 通过模型或 Agent 执行。掌握这个闭环后，工具、记忆、RAG 和 Middleware 都是在同一状态模型上继续扩展。

视频：BV1xwVr6FEh4，P34，时长 17:17。