刚玩 Langchain 的第一个需求是, 如何连接模型。下面, 基于我最喜欢的三种模型, 和大家分享下连接方式: Ollama、云端的 DeepSeek、还有阿里的 Qwen 通义千问。

01

🏗 项目结构

整体框架:

project/
│
├── .env                 # 存放 API Key
├── requirements.txt     # 依赖包列表
├── main.py              # 主入口,调用不同模型
│
├── models/
│   ├──
init
.py
│   ├── ollama_model.py  # Ollama 模型模块
│   ├── deepseek_model.py # DeepSeek 模型模块
│   └── qwen_model.py    # Qwen 模型模块

切记在 .env 文件中配置密钥

DEEPSEEK_API_KEY=你的_deepseek_api_key
DASHSCOPE_API_KEY=你的_dashscope_api_key

02

🤖 模型部分

每个模型都放在自己的文件里,互不干扰。

🧩 1️⃣ Ollama — 本地模型,离线可跑

from langchain.chat_models import init_chat_model
# 例如我本地部署的 qwen3:14b
OLLAMA_QWEN3_14B = "qwen3:14b"
ollama = init_chat_model(
model=OLLAMA_QWEN3_14B,
model_provider="ollama",
temperature=0,
reasoning=False,
configurable_fields=("model", "temperature", "reasoning"),
)
def test_ollama():
print("🧠 [Ollama 输出]")
for chunk in ollama.stream("Hi, introduce yourself in one line."):
print(chunk.content, end="", flush=True)
if __name__ == "__main__":
test_ollama()
适合硬件配置高想快速开始场景,因为不需要 API Key、不用联网。如果生产化, 建议用 VLLM 部署模型。

注意先安装 ollama, 然后运行下面命令安装模型:
ollama pull qwen3:14b

🌐 2️⃣ DeepSeek — 国产云模型

import os
from langchain.chat_models import init_chat_model
from dotenv import load_dotenv
load_dotenv()
deepseek = init_chat_model(
model="deepseek-chat",
api_key=os.getenv("DEEPSEEK_API_KEY"),
temperature=0,
configurable_fields=("model", "temperature"),
)
def test_deepseek():
print("\n🧠 [DeepSeek 输出]")
print(deepseek.invoke("请用一句话介绍 DeepSeek 是什么。").content)
if __name__ == "__main__":
test_deepseek()
在这里申请 DeepSeek API key: https://platform.deepseek.com/

💬 3️⃣ Qwen — 国产云模型: 通义千问

大多数小伙伴,不知道如何用 langchain 连接 qwen, 并且如何禁用开启 thinking

import os
from langchain_qwq import ChatQwen
from dotenv import load_dotenv
load_dotenv()
qwen = ChatQwen(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
model="qwen3-32b",
enable_thinking=False,  # 我禁用了 thinking,你可以开始开启
thinking_budget=300,
)
def test_qwen():
print("\n🧠 [Qwen 输出]")
print(qwen.invoke("给我一句激励人心的话").content)
if __name__ == "__main__":
test_qwen()

DashScope Key 的申请连接:https://dashscope.aliyun.com

03

🚀 main.py 主入口

from models.ollama_model import test_ollama
from models.deepseek_model import test_deepseek
from models.qwen_model import test_qwen
if __name__ == "__main__":
test_ollama()
test_deepseek()
test_qwen()

好了, 欢迎进入 Langchain 的世界, 恭喜你离专业开发者更进一步了!

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享

👇👇扫码免费领取全部内容👇👇

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

在这里插入图片描述

  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

在这里插入图片描述

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

img

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

img

L5阶段:专题集丨特训篇 【录播课】

img
四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐