提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

LangChain 1.2 概述

官网：https://www.langchain.com/
Github地址：https://github.com/langchain-ai
中文文档地址：https://docs.langchain.org.cn/oss/python/langchain/overview
英文文档地址：https://docs.langchain.com/oss/python/langchain/overview
API文档查询地址：https://reference.langchain.com/python/langchain/

1、为什么需要LangChain？

2、LangChain是什么？

来自：https://reference.langchain.com/python/langchain/overview
不要试图去学完LangChain的所有API，那是不可能的。
你只需要搞懂它的核心逻辑与核心模块，其它的用到什么再去查什么。把它当成一个工具箱，而不
是一本教科书。

2.4 API文档

官网：https://www.langchain.com/
Github地址：https://github.com/langchain-ai
中文文档地址：https://docs.langchain.org.cn/oss/python/langchain/overview
英文文档地址：https://docs.langchain.com/oss/python/langchain/overview
API文档查询地址：https://reference.langchain.com/python/langchain/

3、LangChain家族四大支柱

3.1 LangChain：智能体开发的基石

3.2 LangGraph：复杂工作流的编排引擎

3.3 Deep Agent：智能体的执行框架

4、开发前的准备工作

1、创建conda环境：

#创建一个名为langchain1.2的环境，指定Python版本是3.13.12
conda create --name langchain1.2 python=3.13.12
#查看anconda安装好的python环境
conda env list
#初始化虚拟环境 (执行完此指令，重新启动命令行窗口)
conda init
#在命令行窗口切换到某python环境
conda activate langchain1.2
#验证python版本
(langchain1.2) C:\Users\shkstart>python -V
#或 调用：python --version

2、退出/删除conda环境：

#在命令行退出当前python环境
(langchain1.2) C:\Users\shkst>conda deactivate
#删除一个已有的anconda管理的python环境
conda remove --name langchain1.2 --all

下载langchain安装包

实际可能和 本地Python冲突

#1. 卸载全局 + 环境里所有相关包
pip uninstall langchain langchain-core langgraph pydantic -y

#2. 带 --no-user 参数重装（关键！禁止写入用户全局目录）
pip install langchain==1.2.12 --no-user --no-cache-dir

实操指令

#创建一个名为langchain1.2的环境，指定Python版本是3.13.12
conda create --name langchain1.2 python=3.13.12

#查看anconda安装好的python环境
conda env list

#初始化虚拟环境 (执行完此指令，重新启动命令行窗口)
conda init

#在命令行窗口切换到某python环境
conda activate langchain1.2

#验证python版本
(langchain1.2) C:\Users\shkstart>python -V


#带 --no-user 参数重装（关键！禁止写入用户全局目录）
pip install langchain==1.2.12 --no-user --no-cache-dir

# 检查是否成功安装langchain包
conda list 

大模型应用场景介绍

1.RAG开发

Retrieval-Augmented Generation（检索增强生成）

2.Agent开发

3.大模型应用开发的4个场景

场景1：纯 Prompt（提示词）

场景2：Agent + Function Calling（函数调用）

场景3：RAG (Retrieval-Augmented Generation)

场景4：Fine-tuning(精调/微调)

如何选择相关技术