LangChain 入门：从第一行代码到环境配置

想用 Python 调大模型，LangChain 是绕不开的框架。这篇文章带你从零开始，跑通第一个 LangChain 程序，顺便把环境配置搞定。

最简单的调用

LangChain 封装了各大模型厂商的 API，核心对象是 ChatOpenAI。几行代码就能跟大模型对话：

from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4o-mini",
                   base_url="https://api.openai.com/v1",
                   api_key="your-api-key")

response = model.invoke("Who are you?")
print(response.content)

invoke 是同步调用，返回完整结果。如果你想做打字机效果，用 stream：

for chunk in model.stream("生成一段唐诗。"):
    print(chunk.content, end="", flush=True)

每个 chunk 是模型吐出的一小段文本，拼起来就是完整回复。

LangChain 1.0 的新写法

LangChain 1.0 引入了 init_chat_model，用一个统一接口初始化不同厂商的模型：

from langchain.chat_models import init_chat_model

model = init_chat_model(
    model="openai:gpt-4o-mini",
    base_url="https://api.openai.com/v1",
    api_key="your-api-key",
)

模型名前面加厂商前缀（比如 openai:），框架自动选对应的实现。切换模型只改一行字符串就行。

用 .env 管理密钥

把 API Key 硬编码在代码里是个坏习惯。正确做法是用 .env 文件：

OPENAI_API_KEY=sk-xxx
OPENAI_API_BASE=https://api.openai.com/v1

然后代码里用 dotenv 加载：

from dotenv import load_dotenv
from langchain_openai import ChatOpenAI

load_dotenv()

model = ChatOpenAI(model="gpt-4o-mini", max_retries=5)
response = model.invoke("Who are you?")
print(response.content)

load_dotenv() 会把 .env 文件里的变量加载到环境变量。ChatOpenAI 自动读取 OPENAI_API_KEY 和 OPENAI_API_BASE，代码里完全不用写密钥。

max_retries=5 是个实用配置。API 偶尔会超时或限流，自动重试能省不少麻烦。

安装依赖

跑起来之前需要装几个包：

pip install langchain langchain-openai python-dotenv

建议用虚拟环境隔离项目依赖，venv 或 conda 都行。

小结

两个脚本，核心就三件事：初始化模型、调用 invoke/stream、用 .env 管理配置。LangChain 把大模型 API 的调用门槛压得很低，但它真正的价值在后面——Agent、RAG、记忆管理这些高级功能。先把基础跑通，后面的内容会更有意思。