大模型开发原点：LangChain 1.0 架构范式与 DeepSeek 深度接入实战
今天开始系统攻克 LangChain 1.0记录一下大模型交互、智能体范式以及如何在本地环境基于 Python 构建基础开发闭环。1. 概念解构从大模型到智能体在真正动手前先厘清这几个核心概念的关系大模型 (LLM)通用的“数字大脑”具备基础的理解和推理能力。智能体 (Agent)大模型 感知 决策 行动 记忆。赋予大模型使用工具和自主规划的能力。LangChain 1.0中间层开发框架。将模型调用、Prompt 管理、状态上下文以及外部工具胶水化粘合。2. 环境搭建与 API 配置环境基于 Python 3.11先安装核心依赖# 安装 LangChain 核心包与 OpenAI 兼容 SDKpipinstalllangchain langchain-openai openai python-dotenv-ihttps://pypi.tuna.tsinghua.edu.cn/simple在项目根目录下配置.env环境变量DEEPSEEK_API_KEYyour_deepseek_api_key_here DEEPSEEK_BASE_URLhttps://api.deepseek.com3. 代码实战基于init_chat_model的工厂化接入LangChain 1.0 推荐使用init_chat_model统一工厂函数初始化模型。新建first_call.pyimportosfromdotenvimportload_dotenvfromlangchain.chat_modelsimportinit_chat_model# 1. 载入环境变量load_dotenv()# 2. 统一工厂函数实例化 DeepSeek (OpenAI 兼容协议)modelinit_chat_model(modeldeepseek-chat,model_provideropenai,api_keyos.getenv(DEEPSEEK_API_KEY),base_urlos.getenv(DEEPSEEK_BASE_URL),temperature0.7)# 3. 基础推理调用responsemodel.invoke(请用一句话解释什么是 LangChain)print(response.content)4. 场景落地课程答疑小助手把基础调用进一步抽象为业务函数importosfromdotenvimportload_dotenvfromlangchain.chat_modelsimportinit_chat_model load_dotenv()modelinit_chat_model(modeldeepseek-chat,model_provideropenai,api_keyos.getenv(DEEPSEEK_API_KEY),base_urlos.getenv(DEEPSEEK_BASE_URL))defask_assistant(question:str)-str:promptf你是一名专业的课程助教请简短回答问题\n{question}resmodel.invoke(prompt)returnres.content# 运行验证print(ask_assistant(Python 里 len() 函数的作用是什么))5. 踩坑与避坑指南load_dotenv()顺序必须在调用os.getenv之前执行且保证.env放在根目录。模型提供者参数DeepSeek 采用的是 OpenAI 兼容协议因此model_provider填openai即可正常路由。
