LangChain 快速上手教程（GitHub README 中文整理）

是什么

LangChain 是一个用于构建 AI 智能体（Agent）和 LLM（大语言模型）应用的框架。它通过标准化的接口将模型、嵌入、向量库等组件串联起来，让你能快速搭建复杂的 AI 应用，同时保持技术栈的灵活性和未来兼容性。

如果你刚入门，推荐先试试 Deep Agents —— 一个基于 LangChain 的高层封装包，内置了规划、子智能体、文件系统等常见模式。

能干什么

• 实时数据增强：轻松将 LLM 连接到各种数据源和外部系统，利用丰富的集成库（模型提供商、工具、向量库、检索器等）
• 模型互操作性：在工程实验阶段随意切换底层模型，行业前沿变化时快速适配，无需重写业务逻辑
• 快速原型开发：基于模块化组件架构，快速迭代不同方案和工作流
• 生产级特性：内置监控、评估、调试支持（通过 LangSmith），使用经过验证的模式和最佳实践
• 灵活抽象层：从高层链式调用到底层细粒度控制，随应用复杂度增长平滑扩展

怎么装

使用 uv 包管理器（推荐）或 pip 安装：

uv add langchain

怎么用第一个例子

以下代码初始化一个 OpenAI GPT-5.5 模型并发送一条消息：

from langchain.chat_models import init_chat_model

model = init_chat_model("openai:gpt-5.5")
result = model.invoke("Hello, world!")
print(result)

注意：使用 OpenAI 模型需要 API Key，国内访问可能受限，建议使用国产替代模型（如通义千问、文心一言等）。

如需更高级的智能体编排，可查看 LangGraph（可控智能体工作流框架）。
JavaScript/TypeScript 版本见 LangChain.js。

社区资源

• 官方文档：https://docs.langchain.com/oss/python/langchain/overview
• LangGraph（智能体编排）：https://github.com/langchain-ai/langgraph
• LangSmith（开发、调试、部署）：https://docs.langchain.com/langsmith/home
• 集成库：模型、工具、向量库等第三方集成：https://docs.langchain.com/oss/python/integrations/providers/overview
• GitHub 仓库：https://github.com/langchain-ai/langchain

翻译整理自 GitHub README，原文：https://github.com/langchain-ai/langchain