2.0 Get Started

本章帮助你快速开始使用 LangChain，从安装到构建第一个 Agent。

---

5 分钟快速开始

1. 安装

pip install -U langchain langchain-openai langgraph

2. 配置 API 密钥

export OPENAI_API_KEY="sk-..."

3. 创建你的第一个 Agent

from langchain.agents import create_agent
from langchain_core.tools import tool

@tool
def get_weather(city: str) -> str:
    """获取指定城市的天气"""
    return f"{city}今天晴，气温 25 度"

agent = create_agent(
    "gpt-4o",
    tools=[get_weather],
    system_prompt="你是一个有帮助的助手",
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "北京天气怎么样？"}]}
)
print(result["messages"][-1].content)

---

本章概览

┌─────────────────────────────────────────────────────┐
│                   Get Started                        │
├─────────────────────────────────────────────────────┤
│                                                      │
│   2.1 Install ──► 2.2 Quickstart ──► 2.3 Philosophy │
│        │               │                    │        │
│        ▼               ▼                    ▼        │
│   安装配置          创建 Agent          理解设计     │
│                                                      │
└─────────────────────────────────────────────────────┘

---

2.1 Install - 安装配置

完成开发环境的搭建：

内容	说明
系统要求	Python 3.10+
核心包	pip install langchain
模型集成	langchain-openai, langchain-anthropic 等
API 配置	环境变量、代码设置、.env 文件

# 一键安装常用组件
pip install -U langchain langchain-openai langchain-anthropic langgraph

---

2.2 Quickstart - 快速开始

通过 6 个步骤创建生产级 Agent：

步骤 1: 定义系统提示词
    │
    ▼
步骤 2: 创建工具（@tool）
    │
    ▼
步骤 3: 配置模型参数
    │
    ▼
步骤 4: 定义结构化输出
    │
    ▼
步骤 5: 添加记忆（Checkpointer）
    │
    ▼
步骤 6: 组装并运行 Agent

核心代码模式：

from langchain.agents import create_agent
from langchain_anthropic import ChatAnthropic
from langchain_core.tools import tool
from langgraph.checkpoint.memory import InMemorySaver

@tool
def my_tool(input: str) -> str:
    """工具描述"""
    return f"处理结果: {input}"

agent = create_agent(
    model=ChatAnthropic(model="claude-sonnet-4-5-20250929"),
    tools=[my_tool],
    system_prompt="你的角色定义",
    checkpointer=InMemorySaver(),
)

---

2.3 Philosophy - 设计理念

理解 LangChain 的核心设计思想：

五大核心信念

1. LLM 是变革性技术 - 强大的新范式
2. 数据整合至关重要 - 连接外部数据源
3. Agent 化是未来 - 自主决策、工具调用
4. 仍处于早期阶段 - 最佳实践快速演进
5. 生产挑战依然存在 - 可靠性、成本控制

两大核心焦点

焦点	说明
模型标准化	统一接口，避免供应商锁定
复杂编排	动态工具使用，多步推理

---

本章内容

章节	内容	你将学到
2.1 Install	安装	环境搭建、依赖安装、API 配置
2.2 Quickstart	快速开始	创建 Agent、工具定义、记忆管理
2.3 Philosophy	设计理念	核心信念、架构演进、最佳实践

---

学习路径

你在这里
    │
    ▼
┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│ 2.1 Install │ ──► │2.2 Quickstart│ ──► │2.3 Philosophy│
│   10 分钟   │     │   20 分钟    │     │   15 分钟    │
└─────────────┘     └─────────────┘     └─────────────┘
                                               │
                                               ▼
                                    ┌─────────────────┐
                                    │ 3.0 Core        │
                                    │ Components      │
                                    └─────────────────┘

---

常见问题

Q: 需要什么 Python 版本？

A: Python 3.10 或更高版本。

Q: 必须使用付费 API 吗？

A: 可以使用 Ollama 运行本地模型，无需 API 费用。

Q: 如何调试 Agent？

A: 使用 LangSmith 进行可视化调试和追踪。

---

准备好了吗？

让我们开始吧！前往 2.1 Install 完成安装。

---

上一章：1.1 LangChain vs LangGraph

下一节：2.1 Install