大模型很强，但它本质上只是“会说话”。当我们希望模型查天气、写文件、调用接口、跨步骤决策时，就需要一个能够编排模型与工具的框架。LangChain 正是为此而生——它让大模型不只是回答问题，而是成为一个可以思考、决策、调用工具并完成多步任务的智能Agent系统。

Langchain的安装

一

Agent 是一种智能决策模式，而 LangChain 是构建 Agent 的工程框架。

• LLM（大模型）：负责“思考和生成文本”
• Tool（工具）：负责“执行真实世界的操作”，如查天气、下单等操作
• Agent：负责“决定什么时候调用什么工具”
• LangChain：提供“组织和编排这些能力，构建Agent的框架”

Langchain是python模块，通过pip/conda可一步安装：

pip install langchain_community
pip install langchain
pip install langchain-deepseek ##langchain直接调用 DeepSeek
langchain.__version__
'1.2.10'

Langchain支持工具的多步和并行：

• 并行：多任务并行执行，如同时查询北京和上海的天气
• 多步：链式思考 + 多种工具交互执行的过程

搭建Agent实例——查询天气并写入本地文件

二

Agent流程如下：

用户问题
↓
Agent 接收消息
↓
模型判断需要查询天气
↓
调用 get_weather("北京")
调用 get_weather("上海")
↓
模型整理天气信息
↓
调用 write_file(整理后的内容)
↓
返回写入成功提示

2.1 工具的撰写

我们需要撰写两个工具：

• get_weather：查询天气
• write_file：查询结果写入本地文件

get_weather实际需要登录【https://openweathermap.org/】并注册获取API-key，但需要绑定国外银行卡付费，因此我这里模拟了天气数据。

@tool
def get_weather(city: str, unit: str = "celsius") -> str:
"""
获取指定城市的天气信息（Mock函数，实际调用天气API）
Args:
city: 城市名称
unit: 温度单位（celsius或fahrenheit）
Returns:
天气信息的JSON字符串
"""
#模拟天气数据
weather_data = {
"北京": {"temperature": 15, "condition": "晴天", "humidity": 45},
"上海": {"temperature": 20, "condition": "多云", "humidity": 60},
"深圳": {"temperature": 28, "condition": "小鱼", "humidity": 75},
}
#检查城市是否存在于模拟数据中
if city in weather_data:
data = weather_data[city]
if unit == 'fahrenheit':
data['temperature'] = int(data['temperature'] * 9/5 + 32)
return json.dumps({
"city": city,
"temperature": data["temperature"],
"unit": unit,
"condition": data["condition"],
"humidity": data["humidity"]
}, ensure_ascii = False)
else:
return json.dumps({"error": f"未找到 {city} 的天气数据"}, ensure_ascii = False)
@tool
def write_file(content: str) -> str:
"""
将指定内容写入本地文件。
:param content: 必要参数，字符串类型，用于表示需要写入文档的具体内容。
:return: 写入结果提示信息。
"""
try:
# ✅ 始终先定义文件名（防止未绑定变量）
timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
filename = f"output_{timestamp}.txt"
# 写入文件
with open(filename, "w", encoding="utf-8") as f:
f.write(content)
abs_path = os.path.abspath(filename)
return f"✅ 已成功写入本地文件：{abs_path}"
except Exception as e:
return f"❌ 文件写入失败：{str(e)}"

2.2 导入相关python库

import json
import os
import requests
from openai import OpenAI
from dotenv import load_dotenv
import langchain
from langchain_deepseek import ChatDeepSeek
from langchain.tools import tool
from langchain.agents import create_agent
from langchain_community.tools.tavily_search import TavilySearchResults
from datetime import datetime

2.3 Langchain实际使用

load_dotenv(override=True)
#1 导入模型
model = ChatDeepSeek(model='deepseek-chat',api_key = os.getenv("DEEPSEEK_API_KEY"))
#2 创建Agent
agent = create_agent(
model=model,
tools=[get_weather, write_file],
system_prompt='你是一个多才多艺的智能助手，可以调用工具帮助用户解决问题。'
)
#3 运行Agent获得结果
#问题3.1
result = agent.invoke(
{"messages":[{"role":"user","content": "北京和上海哪个地方更冷？"}]}
)
print(result['messages'][-1].content)
#问题3.2
result = agent.invoke(
{"messages":[{"role":"user","content": "帮我查询北京和上海的天气，并帮我写入本地文件。"}]}
)
print(result['messages'][-1].content)

2.4.1 【北京和上海哪个地方更冷？】问题结果：

2.4.2 【帮我查询北京和上海的天气，并帮我写入本地文件】命令结果：

查看输出的文件：

小结

通过这个示例可以看到，LangChain 的价值不在于绑定某个模型，而在于提供一套可扩展的智能编排框架：模型负责思考，工具负责执行，Agent 负责决策。无论是 DeepSeek 还是通过 langchain_openai 接入 OpenAI 等模型，都可以在同一套架构下灵活替换，而业务逻辑基本不变。

当我们从“写 Prompt”升级到“设计流程”，LangChain 才真正成为构建智能应用的基础设施。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

👇👇扫码免费领取全部内容👇👇

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2026行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

7. 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👇👇