企业官网建设流程全解析

5 分钟从零跑通一个 AI 应用：LangChain + DeepSeek API 实战

目标很简单：打破“大模型离我很远”的心理障碍，亲手跑通一个 AI 应用。

5 分钟，你能完成从注册到运行 Demo 的全过程。推荐的路径是：

• 方案 A（推荐）：DeepSeek API— 国内可用，价格极低，兼容 OpenAI 格式
• 方案 B（备选）：OpenRouter— 聚合多模型接口，部分模型免费

动手走一遍，你会发现：跑通一个 AI 应用，真的不难。

第一步：注册并获取 API Key（2 分钟）

方案 A（推荐）：DeepSeek API

DeepSeek 是目前中文开发者性价比最优的选择之一。它的 API 完全兼容 OpenAI 格式，意味着你不需要学习新的 SDK，已有的 OpenAI 代码几乎可以无缝迁移。定价方面，DeepSeek V4 的输入价格约 ¥1/百万 token，输出约 ¥2/百万 token，约为 GPT-4o 的 1/18。新用户还能获得 500 万免费 token 额度，无需绑定信用卡即可开始实验。

注册步骤如下：

1. 访问 platform.deepseek.com，用手机号注册账号。
2. 注册后需要实名认证——个人开发者选择「个人认证」，上传身份证即可，通常几分钟通过。
3. 登录后，进入左侧菜单栏的「API Keys」页面，点击「Create new API Key」，填写名称后生成。
4. ⚠️ 重要：API Key 只显示一次，立刻复制并保存到本地文件或密码管理器中，丢失无法找回。
5. 将 Key 存储为环境变量便于调用：

   exportDEEPSEEK_API_KEY="sk-your-key-here"

   如果遇到验证问题，可以考虑充值少量金额（¥10-20 足够大量测试）来获得更稳定的调用体验。

方案 B（备选）：OpenRouter

如果你希望尝试多种模型或不想实名认证，可以使用 OpenRouter 这个 LLM 聚合平台。

1. 访问 openrouter.ai/settings/keys 注册账号。
2. 点击 Create Key，复制保存。
3. OpenRouter 提供多种免费模型，如qwen/qwen-2-7b-instruct:free或 Nvidia 的 Nemotron 系列。

第二步：使用 LangChain 跑通第一个 Agent（2 分钟）

LangChain 是目前最流行的 LLM 应用开发框架。下面我们用它构建一个带有工具调用能力的简易 Agent，AI 可以根据你的指令自动调用 Python 函数（例如查询天气）。这个 Agent 能理解用户问题，并根据需要自动选择和使用工具（Tool）来完成任务。

2.1 环境准备与依赖安装

# 安装 LangChain 核心依赖pipinstalllangchain langchain-openrouter python-dotenv# 如果用 DeepSeek，建议用下面两条命令：pipinstallopenai

2.2 代码示例（使用 OpenRouter 调用免费模型）

将以下代码保存为main.py。相比纯调用 LLM 的方式，Agent 的优势在于它能自动判断是否调用工具——当用户问“今天天气怎么样”时，Agent 不仅理解问题，还能自动调用 get_weather 函数来获取并返回答案，而不是只给出一个“我是 AI 无法查天气”的回复。这个模式是未来 AI 应用的核心形态。

importosfromdotenvimportload_dotenvfromlangchain.agentsimportcreate_agent# 自动加载 .env 文件中的环境变量load_dotenv()# 定义一个工具——普通的 Python 函数即可！defget_weather(city:str)->str:"""获取指定城市的天气"""returnf"{city}天气晴朗，气温适宜！"# 创建 Agent# 传入模型名称、工具列表和系统提示# create_agent 是 LangChain 提供的高层封装，自动处理消息格式和工具调用逻辑agent=create_agent(model="openrouter:qwen/qwen-2-7b-instruct:free",# 免费模型tools=[get_weather],# 注册工具system_prompt="你是一个有用的助手",# 系统提示词)# 运行 Agent——invoke 是 Agent 的核心调用方法# 所有 Agent 操作都是通过 invoke 执行，接收 messages 列表作为输入# messages 中的每条消息有 role 和 content 两个字段result=agent.invoke({"messages":[{"role":"user","content":"杭州今天天气怎么样？"}]})# 打印最终回答——通过访问结果字典的 messages 数组的最后一条内容print(result["messages"][-1].content)

如果选用 DeepSeek API，只需将模型配置改为deepseek/deepseek-chat或deepseek/deepseek-v4-pro，并在项目根目录添加 .env 文件来存放 API Key：

DEEPSEEK_API_KEY=你的DeepSeek密钥 OPENROUTER_API_KEY=你的OpenRouter密钥

2.3 运行（1 分钟）

python main.py

你会看到 Agent 调用get_weather工具返回的结果——AI 已经能够根据你的意图自动调用 Python 函数了。Agent 的关键价值就在于，你不需要告诉它“你要先做 A 再做 B 最后调用工具 C”——它自己会推理并决定如何完成你的请求。

📌 推荐使用 Jupyter Notebook 调试

如果你希望方便地调试和修改代码，可以使用 Jupyter Notebook。在 Anaconda Navigator 主页启动 Jupyter，将代码拆分成多个 Cell 逐步运行，这样哪里出问题了一目了然，也方便调整代码块的前后顺序。代码块可以逐步运行和反复修改，是新手调试的最佳选择。

第三步：将代码推送到 GitHub，分享你的第一个 AI 项目

动手跑通代码只是第一步。作为一个完整的实践指南，还需要包括将代码提交到 GitHub 并编写 README 的步骤。以下步骤将帮助你完成第 3 步的任务，让你拥有一个可展示的作品，方便日后回顾和分享：

# 1. 在 GitHub 网页上创建一个新的仓库（点击右上角 + → New repository）# 2. 本地初始化并提交代码gitinitgitadd.gitcommit-m"feat: 第一个 LangChain Agent Demo"gitremoteaddorigin https://github.com/你的用户名/仓库名.gitgitpush-uorigin main# 3. ⚠️ 安全检查：如果 .env 文件被提交了，务必执行以下命令撤销gitrm--cached.envgitcommit-m"chore: 移除 .env 文件"gitpush

然后在 README.md 中写入简洁的功能说明（50 字左右）：

# LangChain AI Agent Demo 基于 LangChain + OpenRouter（DeepSeek API）构建的简易 AI Agent，具备工具调用能力。 用户输入自然语言问题，Agent 自动判断并调用函数返回结果。 ## 快速开始 1. 安装依赖：`pip install langchain langchain-openrouter python-dotenv` 2. 在 `.env` 文件中配置 API Key 3. 运行：`python main.py`

可能遇到的问题

Q：DeepSeek 的 model 名称用哪个？
A：目前推荐使用deepseek-chat或deepseek-v4-pro。注意官方公告：deepseek-chat和deepseek-reasoner两个旧名称将在 2026 年 7 月 24 日停止使用，建议直接写deepseek-v4-pro。

Q：调用返回 401 错误？
A：检查 API Key 是否正确设置，以及是否在代码中正确传递。使用load_dotenv()时确保 .env 文件在项目根目录。

Q：安装依赖时遇到版本冲突怎么办？
A：建议使用 Anaconda 创建独立的虚拟环境，可以避免不同项目之间的包版本冲突。运行conda create -n my-ai-app python=3.10创建新环境，激活后再安装依赖。

下一步做什么？

Demo 跑通后，你可以尝试：

• 更换模型：将model参数改为其他模型 ID，如deepseek/deepseek-chat体验不同效果
• 增加工具：在tools列表中添加更多 Python 函数，让 Agent 能做更多事情
• 构建 RAG 问答：给 Agent 接入外部知识库，让它能回答关于你自己文档的问题

源代码都在，相信你一定能玩出更多花样。💪