企业官网建设流程全解析

PHP 网站搜索怎么做,网站制作多少钱一个,android诗词app制作教程,怎么举报app软件文章目录 一、为啥LangChain成了Agent开发的“香饽饽”#xff1f;看完就懂啦#xff01;二、先搞懂基础#xff1a;LangChain到底是啥#xff1f;核心概念秒懂#xff01;三、LangChain核心功能#xff1a;这几个是开发Agent的“刚需”#xff01;1. 大模型无缝对接看完就懂啦二、先搞懂基础LangChain到底是啥核心概念秒懂三、LangChain核心功能这几个是开发Agent的“刚需”1. 大模型无缝对接主流模型全兼容切换超方便2. Agent核心能力让大模型“自主思考使用工具”3. 丰富的工具生态内置自定义想要啥工具都有4. 记忆系统让Agent“记住”对话不会断片5. 提示词工程模板化管理提效又规范6. 多模态支持图文音视频全处理适配最新大模型四、手把手实操Python搭建第一个LangChain Agent5分钟跑起来前置准备安装依赖获取大模型API密钥1. 安装LangChain及相关依赖2. 获取通义千问API密钥免费3. 创建环境变量文件.env核心代码搭建智能数据分析Agent运行代码看Agent干活换成GPT-4o的小技巧五、2026年最新使用技巧让你的Agent更稳、更高效1. 开启Verbose日志调试超方便2. 工具按需添加不要贪多3. 用Tool Calling模式Agent更智能4. 本地缓存大模型请求节省API费用5. 处理大文件用LangChain的文档加载器六、常见坑位预警这些问题新手最容易踩1. API密钥泄露绝对不要硬编码在代码里2. 代码解释器报错确保安装了所需依赖3. 大模型温度值太高结果不严谨4. 记忆模块失效确保memory_key和提示词模板一致5. 跨平台运行报错注意文件路径格式七、总结LangChain入门超简单动手是关键目前国内还是很缺AI人才的希望更多人能真正加入到AI行业共同促进行业进步。想要系统学习AI知识的朋友可以看看我的教程http://blog.csdn.net/jiangjunshow教程通俗易懂风趣幽默从深度学习基础原理到各领域实战应用都有讲解。一、为啥LangChain成了Agent开发的“香饽饽”看完就懂啦现在聊大模型开发谁还没听过LangChain呀 尤其是做智能Agent就是能自主思考、执行任务的大模型应用LangChain几乎是标配框架这两年火得一塌糊涂你想想直接用原生大模型API顶多能做个聊天机器人想让它自己查资料、跑代码、连数据库、完成复杂任务那可太难啦 而LangChain就像一个“大模型应用积木库”把大模型、工具、数据、记忆这些模块全拼好了咱们不用从零写代码搭积木似的就能做出能干活的智能Agent比如自动写代码的Agent、数据分析Agent、客服问答Agent简直不要太方便2026年现在LangChain不仅适配GPT-4o、文心一言4.0、通义千问3.5这些主流大模型还更新了超多实用功能比如原生支持多模态、一键部署Agent、轻量化推理不管是新手入门还是企业级开发都能hold住这也是它能成为Agent开发第一框架的原因 今天咱们就把LangChain的核心功能掰开揉碎讲再用Python手把手写个入门Agent新手也能跟着跑起来二、先搞懂基础LangChain到底是啥核心概念秒懂首先明确一点LangChain不是大模型而是基于大模型的应用开发框架用Python/JavaScript写的核心就是“连接”——把大模型和各种外部资源、工具连接起来让大模型从“只会聊天的嘴炮”变成“能实际干活的打工人”。刚接触LangChain可能会被一堆名词搞懵别怕用大白话讲几个核心概念记牢这几个后面就轻松啦LLM/Chat Model大模型核心比如GPT-4o、通义千问是Agent的“大脑”负责思考、推理、生成答案Agent智能代理LangChain的核心产物能根据用户指令自主决定“该用什么工具→怎么用→怎么整合结果→给出答案”比如代码解释Agent、搜索引擎AgentToolAgent能用的工具比如Python代码解释器、百度/谷歌搜索、数据库查询、Excel处理相当于Agent的“手和脚”Prompt Template提示词模板把固定的提示词逻辑做成模板不用每次手动写比如“你是一个数据分析专家请分析以下数据{data}”{data}是动态参数超省心Memory记忆模块让Agent记住对话历史比如你前一句问了“北京天气怎么样”后一句问“明天呢”Agent能知道“明天”指的是北京明天不会断片Chain链把多个模块按顺序串起来比如“Prompt→LLM→Tool→LLM→结果”简单的Chain组合起来就能实现复杂功能。简单总结LangChain 大模型大脑 各种工具手脚 记忆系统 流程编排器拼在一起就是能自主干活的智能Agent三、LangChain核心功能这几个是开发Agent的“刚需”LangChain的功能特别多但咱们开发Agent核心就用这几个2026年的最新版本里这些功能还做了大幅优化更易用、更强大咱们一个个讲全是大白话不绕弯1. 大模型无缝对接主流模型全兼容切换超方便这是基础中的基础LangChain做了一层统一的封装不管是OpenAI的GPT系列、国内的文心一言/通义千问/讯飞星火还是开源的Llama 3/DeepSeek都能用统一的代码调用换模型不用改代码只改几行配置就行比如你先用水滴大模型做开发后面想换成GPT-4o直接改下API密钥和模型名称其他代码完全不动这一点对开发者太友好了不用重复造轮子2. Agent核心能力让大模型“自主思考使用工具”这是LangChain最核心的功能也是和直接用大模型API最大的区别原生大模型不会用工具而LangChain的Agent模块会让大模型先“思考”用户的问题需要用什么工具怎么用然后自动调用工具获取结果后再整理成答案返回。比如你问Agent“2026年中国GDP预计是多少”Agent会思考这个问题需要最新数据我得用搜索引擎工具然后自动调用搜索把搜索结果整理后告诉你全程不用你手动操作这就是智能Agent的核心现在LangChain的Agent还分了很多类型适配不同场景比如ZeroShotAgent零基础思考适合简单任务ChatAgent基于聊天模型的Agent适合对话式任务CodeInterpreterAgent代码解释Agent能自动写Python代码、运行、分析结果适合数据分析、数学计算PlanAndExecuteAgent先规划再执行适合复杂的多步骤任务比如“写一份2026年新能源汽车行业分析报告”Agent会先规划“查行业数据→分析市场规模→分析竞争格局→写报告”再一步步执行。3. 丰富的工具生态内置自定义想要啥工具都有Agent要干活离不开工具LangChain内置了上百种常用工具覆盖几乎所有场景而且还支持自定义工具自己写的脚本也能让Agent调用简直无敌内置常用工具2026年还在持续更新代码类Python Code Interpreter代码解释器能跑代码、画图表、分析数据搜索类百度搜索、谷歌搜索、SerpAPI搜索引擎、TavilyAI专用搜索数据类Excel/CSV处理、SQL数据库查询MySQL/PostgreSQL、MongoDB操作其他类网页爬取、邮件发送、文件读写、地图查询。自定义工具如果内置工具不够用比如你想让Agent调用公司内部的CRM系统只需要用LangChain的工具模板写几行代码封装一下就能让Agent直接用超灵活4. 记忆系统让Agent“记住”对话不会断片原生大模型是“鱼的记忆”每次对话都是独立的不知道上一句聊了啥而LangChain的Memory模块能让Agent记住对话历史甚至能记住长期记忆比如用户的偏好、历史操作让交互更自然。Memory也分很多类型新手先掌握最常用的ConversationBufferMemory对话缓冲区记忆就行能简单记住所有对话历史满足大部分场景复杂场景再用进阶的记忆类型比如按时间过滤的、按重要性过滤的5. 提示词工程模板化管理提效又规范写大模型应用提示词是灵魂但每次手动写提示词太麻烦还容易出错LangChain的Prompt Template模块能把提示词做成模板动态传参重复使用还能做提示词拼接、格式化让提示词管理更规范。比如做一个客服Agent把固定的客服话术做成模板“你是{company}的智能客服负责解答{product}的相关问题回答要简洁、友好用户问题{question}”后面只需要传公司、产品、用户问题这三个参数不用每次重写整段提示词提效超多6. 多模态支持图文音视频全处理适配最新大模型2026年的大模型全是多模态的能看图片、听音频LangChain也紧跟趋势原生支持多模态开发比如让Agent分析图片内容、根据图片写报告、把音频转文字后再处理不用额外装插件直接调用就行适配GPT-4o、文心一言4.0这些多模态大模型超丝滑四、手把手实操Python搭建第一个LangChain Agent5分钟跑起来讲了这么多理论不如动手写代码咱们用2026年最新的LangChain版本v0.2搭配国内易上手的通义千问3.5也可以换成GPT-4o做一个智能数据分析Agent——能自动接收数据、写Python代码、运行代码、分析结果全程自主完成新手也能跟着做全程复制粘贴就行前置准备安装依赖获取大模型API密钥1. 安装LangChain及相关依赖打开终端一行命令安装核心依赖包含LangChain核心、通义千问对接、代码解释器、内存管理pipinstalllangchain langchain-qianfan langchain-experimental python-dotenv pandas matplotliblangchainLangChain核心框架langchain-qianfanLangChain对接百度文心/阿里通义千问的官方插件langchain-experimental包含代码解释器等实验性工具现在已经很稳定了python-dotenv管理环境变量避免API密钥硬编码pandas/matplotlib数据分析和画图Agent会用到。2. 获取通义千问API密钥免费去阿里云通义千问开放平台https://dashscope.aliyun.com/注册账号创建应用就能获取API-KEY免费额度足够新手开发使用GPT-4o的话去OpenAI平台获取API_KEY就行后面改配置即可3. 创建环境变量文件.env在项目根目录创建.env文件把API密钥放进去避免写在代码里泄露# 通义千问API密钥替换成你自己的 DASHSCOPE_API_KEYsk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx核心代码搭建智能数据分析Agent创建langchain_agent_demo.py文件代码全程带注释复制粘贴就能跑实现的功能用户输入一个数据分析需求Agent自动写Python代码、运行代码、生成图表、分析结果全程自主完成# 导入所需模块importosfromdotenvimportload_dotenvimportpandasaspd# LangChain核心模块fromlangchain_qianfanimportChatQianfanfromlangchain_experimental.toolsimportPythonREPLToolfromlangchain.agentsimportAgentExecutor,create_tool_calling_agentfromlangchain_core.promptsimportChatPromptTemplatefromlangchain_core.memoryimportConversationBufferMemory# 加载环境变量读取API密钥load_dotenv()os.environ[DASHSCOPE_API_KEY]os.getenv(DASHSCOPE_API_KEY)# 第一步初始化大模型通义千问3.5Agent的“大脑”# 换成GPT-4o的话把ChatQianfan换成ChatOpenAI即可其他代码不动llmChatQianfan(modelqwen-plus,# 通义千问3.5模型名称temperature0.1,# 温度值0.1表示结果更严谨适合数据分析)# 第二步初始化工具Agent的“手和脚”# PythonREPLTool代码解释器能运行Python代码、画图表、分析数据python_toolPythonREPLTool()# 把工具放进列表后续可添加多个工具比如搜索、数据库tools[python_tool]# 第三步创建提示词模板告诉Agent“你是谁、要做什么”promptChatPromptTemplate.from_messages([(system, 你是一个专业的智能数据分析Agent擅长使用Pythonpandas/matplotlib做数据分析和数据可视化。 你的工作流程 1. 根据用户的数据分析需求自动编写Python代码 2. 调用Python代码解释器运行代码生成数据结果或图表 3. 整理运行结果用通俗易懂的语言做数据分析总结 4. 代码运行的图表会自动保存为本地文件分析时要提及图表文件。 注意运行代码前要确保导入了所需库代码要简洁、可运行不要写无用代码。 ),(placeholder,{chat_history}),# 对话历史记忆模块(user,{input}),# 用户输入(placeholder,{agent_scratchpad})# Agent思考过程自动生成])# 第四步初始化记忆模块让Agent记住对话历史memoryConversationBufferMemory(memory_keychat_history,# 对应提示词模板中的{chat_history}return_messagesTrue# 以消息格式返回适配Chat模型)# 第五步创建Agent组合“大脑工具提示词”agentcreate_tool_calling_agent(llm,tools,prompt)# 第六步创建Agent执行器让Agent能执行任务agent_executorAgentExecutor(agentagent,toolstools,memorymemory,verboseTrue,# 开启详细日志能看到Agent的思考和执行过程方便调试handle_parsing_errors请重新整理你的思考确保代码可运行# 错误处理)# 第七步测试Agent用户输入数据分析需求if__name____main__:# 示例1简单数据分析需求Agent会自动生成数据、分析、画图user_input生成100个学生的数学、语文、英语成绩数据分析三科成绩的相关性画出散点图矩阵保存为score_correlation.png# 运行Agentresultagent_executor.invoke({input:user_input})# 输出最终结果print(\n 数据分析结果)print(result[output])# 示例2可取消注释测试自定义数据需求# user_input2 读取本地的sales.csv文件分析每月销售额趋势画出折线图保存为sales_trend.png# result2 agent_executor.invoke({input: user_input2})# print(\n 销售额分析结果)# print(result2[output])运行代码看Agent干活终端运行命令python langchain_agent_demo.py运行后你会看到详细的日志Agent会一步步思考→写Python代码→运行代码→生成图表→分析结果全程自主完成最后会在本地生成score_correlation.png散点图矩阵控制台输出通俗易懂的数据分析总结是不是超神奇如果想测试自己的需求比如分析本地的CSV/Excel文件只需要改user_input里的内容Agent会自动处理不用改其他代码换成GPT-4o的小技巧如果想把大模型换成GPT-4o只需要改第一步的大模型初始化代码其他代码完全不动是不是超方便# 替换成GPT-4o的代码fromlangchain_openaiimportChatOpenAI llmChatOpenAI(modelgpt-4o,api_keyos.getenv(OPENAI_API_KEY),# 从.env读取GPT-4o的API_KEYtemperature0.1)然后在.env里添加OPENAI_API_KEY你的GPT-4o密钥就行这就是LangChain封装的魅力五、2026年最新使用技巧让你的Agent更稳、更高效刚入门的小伙伴掌握上面的内容就能做基础Agent了再分享几个2026年LangChain的最新实用技巧让你的Agent体验翻倍避坑少走弯路1. 开启Verbose日志调试超方便代码里设置verboseTrue能看到Agent的完整思考过程“我需要做什么→应该用哪个工具→写什么代码→运行结果是什么”出问题时能快速定位新手一定要开2. 工具按需添加不要贪多Agent的工具越多思考时间越长出错概率也越高按需添加工具就行比如数据分析Agent只加Python代码解释器搜索Agent只加搜索引擎工具轻量的Agent运行更快、更稳定3. 用Tool Calling模式Agent更智能咱们代码里用的create_tool_calling_agent就是Tool Calling模式这是2026年LangChain的推荐模式比老版的ReAct模式更智能大模型能更精准地调用工具少走弯路新手直接用这个模式就行4. 本地缓存大模型请求节省API费用反复调试代码时大模型会重复接收相同请求浪费API费用LangChain有内置的缓存模块加几行代码就能缓存请求结果相同请求直接读缓存不用再调用大模型超省费用fromlangchain_core.cacheimportInMemoryCachefromlangchain.globalsimportset_llm_cache set_llm_cache(InMemoryCache())# 内存缓存重启失效生产环境可用Redis缓存5. 处理大文件用LangChain的文档加载器如果让Agent分析大文件比如几百M的CSV、PDF不要直接让Agent读取用LangChain的内置文档加载器比如CSVLoader、PyPDFLoader能分块读取、处理大文件避免内存溢出Agent处理起来更轻松六、常见坑位预警这些问题新手最容易踩刚用LangChain的小伙伴很容易被这些小问题卡住我整理了几个最常见的坑提前避坑少走弯路1. API密钥泄露绝对不要硬编码在代码里一定要用.env文件管理API密钥不要直接写在代码里尤其是把代码上传到GitHub、Gitee时一旦泄露别人会盗用你的API额度损失惨重2. 代码解释器报错确保安装了所需依赖Agent调用Python代码解释器时会用到pandas、matplotlib等库如果没安装会报错所以提前把可能用到的依赖装全或者在提示词里让Agent先检查依赖3. 大模型温度值太高结果不严谨做数据分析、代码开发这类严谨的任务把temperature设为0.10.3结果更严谨不会出现天马行空的答案做创意生成比如写文案可以设为0.70.9更有创意4. 记忆模块失效确保memory_key和提示词模板一致记忆模块的memory_key必须和提示词模板中的占位符一致比如代码里memory_keychat_history提示词里就要有{chat_history}否则记忆模块失效Agent会断片5. 跨平台运行报错注意文件路径格式Windows和Linux/Mac的文件路径格式不一样让Agent保存文件时用相对路径比如score_correlation.png不要用绝对路径比如C:\data\score.png否则跨平台运行会报错七、总结LangChain入门超简单动手是关键其实LangChain一点都不难核心就是“组合”——把大模型、工具、记忆、提示词这些模块组合起来就能做出能干活的智能Agent不用从零写复杂的推理和工具调用逻辑这也是它能成为Agent开发第一框架的原因2026年的LangChain已经非常成熟了适配所有主流大模型内置超多实用工具和功能新手从简单的Agent比如数据分析、代码解释入手熟悉核心概念后再做复杂的Agent比如多工具组合、企业级应用循序渐进很快就能上手而且LangChain的社区超级活跃有问题去官方文档、GitHub Issues或者国内的技术社区搜几乎都能找到答案不用担心遇到问题没人解现在就动手把上面的示例代码跑起来改改用户输入看看Agent能做出什么效果再尝试添加新的工具比如搜索引擎让你的Agent更强大体验一把智能Agent开发的快乐吧目前国内还是很缺AI人才的希望更多人能真正加入到AI行业共同促进行业进步。想要系统学习AI知识的朋友可以看看我的教程http://blog.csdn.net/jiangjunshow教程通俗易懂风趣幽默从深度学习基础原理到各领域实战应用都有讲解。