AI训练师入门必看：5个核心概念让你秒懂大模型！
2026/6/1 23:28:08
文章目录
- 我学新东西的「三板斧」
- 能干嘛？
- 有啥用？
- 官方文档
- LangChain 六大组件：先认地图
- 0.3 vs 1.0版本
- 代码对比：同一句话，两种写法
- 确认环境
- 0.3 风格
- 1.0 写法 — `LangChainV1.0.py`
- 踩坑笔记
- 依赖安装
- PyCharm 使用
- 关键字参数语法
大家好，我是大煊，作为一个干了几年的javaer，最近终于决定把脚伸进了 AI agent开发。
第一脚踩的是LangChain。跑通之后我愣了一下：不得不感慨python封装的确实很便捷。
但这不代表它简单。LangChain 背后那套组件、版本、包装层，跟当年从 JDBC 摸到 Spring 的感觉有点像——表面一行invoke，底下好几层抽象。
这篇是我转型笔记的第 1 篇：只做到 hello world（invoke("你是谁")），Agent、RAG 那些先不装懂。咱一步一步来。
我学新东西的「三板斧」
每碰一个新的知识点，我基本都按这个顺序：
能干嘛？
LangChain 是什么？一句话：开源的 Agent 工程积木盒。
官方在 Docs by LangChain 里把它定位成 agent engineering 平台——不光有 LangChain 本身，还有 LangGraph（编排）、Deep Agents（快速搭 Agent）、LangSmith（观测、评测、部署）。Clay、Cloudflare 这些公司都在用这套东西搞生产级 Agent。
对我这种 Javaer 来说，它像啥？像Spring AI 的 Python 老大哥——帮你把各家 LLM 的调用方式统一起来，后面还能拼 Prompt、Chain、Tool、Memory。本篇我只碰最底层那一刀：调模型。
有啥用？
- 不用自己撸 HTTP 调 OpenAI 兼容接口（虽然底层还是 HTTP）
- 切换模型或更换厂商时，只需调整几个参数即可
- 后面做 RAG、Agent，都在这套积木上叠
官方文档
| 资源 | 链接 |
|---|---|
| LangChain 主站 | https://docs.langchain.com/ |
| Python 组件架构 | Component architecture |
| 1.0 迁移指南 | Migrate to LangChain v1 |
| 开源社区 | github |
LangChain 六大组件：先认地图
老教程里常讲 LangChain六大组件。跟官网 1.0 的 Component architecture 不完全一一对应，但作为入门地图够用了：
| 经典六大 | 干啥的 | 本篇用到？ |
|---|---|---|
| Models | 跟 LLM / Chat 模型对话 | 是，全文核心 |
| Prompts | 模板化提示词 | 否 |
| Chains | 多步串成流水线，像责任链 / 管道 | 否 |
| Memory | 多轮对话上下文 | 否 |
| Agents | 模型自己决定调哪个 Tool | 否 |
| Indexes | 文档加载、切分、向量库、检索（RAG 地基） | 否 |
0.3 vs 1.0版本
这里为什么要单独写0.3和1.0版本的LangChain， 因为调研了解到现在主流的企业级写法大多是这两种，1.0版本差不多是2025年底才发版的，2026年开始大量投入到企业级项目中
LangChain 这套玩法，感觉和 Spring 的心路历程类似——不是推倒重来，而是一层一层往外包，把底层细节往后推：
| Spring 演进 | 你在干啥 | LangChain 对应 |
|---|---|---|
| Spring 3 / 4 | XML 或@Configuration手写DataSource、JdbcTemplate，哪个库一目了然 | 0.3 风格：ChatOpenAI(model=..., api_key=..., base_url=...)，厂商和参数写死在初始化里 |
| Spring Boot | @SpringBootApplication一把梭，自动配置帮你选实现，你只关心业务 | LangChain 1.0的init_chat_model(model=..., model_provider="openai", ...)，统一入口屏蔽各家差异 |
代码对比：同一句话，两种写法
| 维度 | 0.3 风格LangChainV0.3.py | 1.0LangChainV1.0.py |
|---|---|---|
| 导入 | from langchain_openai import ChatOpenAI | from langchain.chat_models import init_chat_model |
| 初始化 | llm = ChatOpenAI(model=..., api_key=..., base_url=...) | model = init_chat_model(model=..., model_provider="openai", ...) |
| 调用 | llm.invoke("你是谁")→.content | model.invoke("你是谁").content |
LangChainV0.3.py里还藏了段「配置演进史」，跟 Java 项目从写死常量到配置中心的路子一模一样：
确认环境
Javaer 类比：java -version再加个mvn dependency:tree。先确认装的是 LangChain 1.0，别跑错环境。
importsysimportlangchainimportlangchain_communitydefmain()->None:try:fromimportlib.metadataimportversionaspkg_version openai_pkg_version=pkg_version("langchain-openai")exceptException:openai_pkg_version="(not installed)"lc_version=langchain.__version__print("langchain version: "+lc_version)print("langchain_community: "+langchain_community.__version__)print("langchain_openai: "+openai_pkg_version)print("langchain file: "+langchain.__file__)print()print("Python: "+sys.version)if__name__=="__main__":main()0.3 风格
fromlangchain_openaiimportChatOpenAIimportconfig llm=ChatOpenAI(model="MiniMax-M2.7",api_key=config.require_api_key(),base_url="https://api.minimaxi.com/v1",temperature=1.0,)response=llm.invoke("你是谁")print(response)print()print(response.content)
可以看到返回值有total_tokens,描述了当前一次交互消耗的总token
1.0 写法 —LangChainV1.0.py
全文就 17 行，我直接贴：
# LangChain 1.0+ 使用方式（init_chat_model + MiniMax）# 需在 .venv（requirements.txt）中运行fromlangchain.chat_modelsimportinit_chat_modelimportconfig model=init_chat_model(model="MiniMax-M2.7",model_provider="openai",api_key=config.require_api_key(),base_url="https://api.minimaxi.com/v1",temperature=1.0,)print(model.invoke("你是谁").content)踩坑笔记
依赖安装
我之前有一点 Python 基础，知道默认的 pip 源在国外，速度较慢，需要换成清华源。在 AI 时代，直接让 AI 助手帮忙完成了安装。
为了方便学习各类框架，依赖隔离，不污染系统 Python，选择把依赖装到项目里面
- 创建新的虚拟环境 python-mvenv .venv - 激活 .venv\Scripts\activate - 安装所有依赖 pipinstall-rrequirements.txt-irequirements.txt
langchain==1.0.0langchain-openai==1.0.0langchain-community==0.4.0python-dotenv==1.0.1openai==1.109.1PyCharm 使用
我使用的是PyCharm 2025.1.2版本，依赖安装好过后，让AI执行命令行已经可以跑程序，但是在Pycharm里面几个依赖一直爆红，还研究了好一会儿，最后发现可以通过下面两种入口去选择执行器（感觉像同时选了jdk版本和maven仓库地址一样）
方式一 右上角的设置图标
方式二 右下角的python版本
关键字参数语法
在翻阅python源码的时候 看见*就代表着后续的参数可以通过关键字的形式传值，也是 model_provider=“openai”
如果直接写 “openai” 是会报错的（这和java只要位置顺序对了就可以有点区别），而 **则表示 接收任意数量的额外关键字参数 ，
**kwargs 指的是 keyword arguments ，kwargs 替换成其他值也是可以的