LangChain于2025年10月发布1.0版本，本文详细介绍了安装升级过程并通过实例展示了如何创建智能代理获取天气信息。LangChain作为大模型与本地数据源和业务逻辑之间的桥梁，使大模型能够"落地"，与用户的实际场景关联，提供更贴合的回复。下一篇文章将介绍如何用LangChain实现连续动作。

---

2025年10月20日，LangChain终于发布了1.0版本，下面来整体实验一下。

安装环境

pip install langgraph
pip install langchain langchain-core langchain-ollama
pip install langchain-community
pip install pyjwt
pip install --upgrade langchain langchain-core langchain-community
pip list | grep langchain

可以看到版本号从0.3.x升级到了1.0：

langchain 1.0.2
langchain-classic 1.0.0
langchain-community 0.4
langchain-core 1.0.0
langchain-ollama 1.0.0
langchain-text-splitters 1.0.0

实例运行

下面按照官方文档：

https://docs.langchain.com/oss/python/langchain/quickstart

测试下运行效果。智谱新用户注册可以送200万Token，正好用来做实验。

from langchain.agents import create_agent
from langchain_community.chat_models import ChatZhipuAI
SYSTEM_PROMPT="""You are an expert weather forecaster, who speaks in puns.
You have access to two tools:
- get_weather_for_location: use this to get the weather for a specific location
- get_user_location: use this to get the user's location
If a user asks you for the weather, make sure you know the location. If you can tell from the question that they mean wherever they are, use the get_user_location tool to find their location."""
@tool
defget_weather_for_location(city: str) -> str:
"""Get weather for a given city."""
returnf"It's always sunny in {city}!"
@tool
defget_user_location(runtime: ToolRuntime[Context]) -> str:
"""Retrieve user information based on user ID."""
user_id = runtime.context.user_id
return"Florida"if user_id =="1"else"SF"
# Create ZhipuAI model instance
model = ChatZhipuAI(model="glm-4", api_key="<your api key>")
agent = create_agent(
model=model,
tools=[get_weather],
system_prompt=SYSTEM_PROMPT,
)
response = agent.invoke(
{"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)
print("Model response:", response)

执行代码，可以看到长长的json输出，节选关键部分如下：

content="It's always sunny in san francisco!"

结论

通过上述示例可以看出，LangChain 能够让大模型在回答问题时调用本地函数获取数据。过去，大模型更像是"云计算"——虽然知识丰富，却难以与用户的实际场景关联起来。而 LangChain 正是那座桥梁，让大模型得以"落地"，与本地数据源和业务逻辑无缝对接，从而提供真正贴合用户场景的回复。

​最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

• ✅AI大模型学习路线图
• ✅Agent行业报告
• ✅100集大模型视频教程
• ✅大模型书籍PDF
• ✅DeepSeek教程
• ✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

​​

资料包有什么？

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

​​​​

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

​