秋林的博客

所属主题

文章大纲

2.1 安装与配置

2.1 安装与配置

通过pip/conda安装LangChain

LangChain 支持通过Python包管理工具pip和Anaconda的conda快速安装，适用于不同开发环境。以下是详细步骤：

1. 使用pip安装（推荐）
# 安装核心库（基础功能）
pip install langchain-core

# 安装完整库（包含社区集成模块，如OpenAI、HuggingFace等）
pip install langchain[all]

# 仅安装特定模块（按需选择，减少依赖冲突）
pip install langchain-openai langchain-community  # 示例：OpenAI + 社区工具
2. 使用conda安装
# 创建并激活虚拟环境（可选）
conda create -n langchain-env python=3.10
conda activate langchain-env

# 通过conda-forge频道安装
conda install -c conda-forge langchain

注意：

  • 若需使用最新功能，可通过GitHub源码安装： 
    pip install git+https://github.com/langchain-ai/langchain.git@v0.2.0
  • 部分集成工具（如向量数据库）需额外安装依赖： 
    pip install chromadb  # 示例：Chroma向量数据库支持

配置API密钥（OpenAI、HuggingFace等）

LangChain 调用外部服务（如OpenAI、HuggingFace）需配置API密钥。以下为常用配置方法：

1. 环境变量配置（推荐）
  • Linux/macOS： 
    # 在终端中设置
export OPENAI_API_KEY="sk-xxx"
export HUGGINGFACEHUB_API_TOKEN="hf_xxx"
  • Windows（PowerShell）： 
    $env:OPENAI_API_KEY = "sk-xxx"
$env:HUGGINGFACEHUB_API_TOKEN = "hf_xxx"
2. 代码中直接传递密钥
from langchain_openai import ChatOpenAI

# 初始化模型时显式传入密钥
llm = ChatOpenAI(openai_api_key="sk-xxx")
3. 密钥管理工具（高级）
  • 使用python-dotenv管理敏感信息：
    1. 创建.env文件： 
      OPENAI_API_KEY=sk-xxx
HUGGINGFACEHUB_API_TOKEN=hf_xxx
    2. 代码中加载： 
      from dotenv import load_dotenv
load_dotenv()  # 自动读取.env文件

安全提示：

  • 永远不要将密钥提交到Git仓库！将.env添加到.gitignore。
  • 使用平台密钥管理服务（如AWS Secrets Manager）增强生产环境安全性。

虚拟环境与依赖管理（Poetry/Pipenv）

为避免依赖冲突，建议使用虚拟环境工具隔离项目环境。

1. 使用Poetry（现代化依赖管理）
# 安装Poetry
pip install poetry

# 初始化项目并安装LangChain
poetry init
poetry add langchain[all]

# 激活虚拟环境
poetry shell
2. 使用Pipenv（轻量级替代）
# 安装Pipenv
pip install pipenv

# 创建虚拟环境并安装LangChain
pipenv install langchain[all]

# 激活虚拟环境
pipenv shell
3. 传统venv模块（Python内置）
# 创建虚拟环境
python -m venv myenv

# 激活环境
source myenv/bin/activate  # Linux/macOS
myenv\Scripts\activate     # Windows

# 安装依赖
pip install langchain[all]

工具对比：

工具 优点 适用场景
Poetry 依赖解析精准，支持打包发布 复杂项目、团队协作
Pipenv 简单易用，集成依赖锁定 小型项目、快速原型开发
venv 无需额外安装，Python原生支持 基础隔离需求

验证安装

运行以下代码测试是否安装成功：

from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-3.5-turbo")
response = llm.invoke("Hello, world!")
print(response.content)  # 应输出模型生成的文本

常见问题排查：

  • 权限错误：在命令前添加sudo（Linux/macOS）或以管理员身份运行终端（Windows）。
  • 依赖冲突：使用poetry update或pipenv clean重建依赖树。
  • 网络问题：配置代理或使用镜像源（如pip install -i https://pypi.tuna.tsinghua.edu.cn/simple langchain）。

下一步建议

完成配置后，可继续学习 2.2 第一个LangChain程序 快速实现问答链与文本生成。