从零开始，用LangChain构建你的第一个智能应用

不管你是AI新手还是想快速上手LLM应用的开发者，LangChain都是个绕不开的好工具。它把语言模型和外部服务打包成一堆顺手的小积木，让你不用从零硬啃底层API，几行代码就能跑起一个像模像样的智能应用。今天咱们就从一个最简单的例子出发——用智谱清言的免费模型 glm-4-flash 搭一个能写诗的小机器人，完整走一遍LangChain的使用流程。

一、了解LangChain的基本概念

LangChain 本质上是一个框架，专门为语言模型应用而生。它提供了各种模块——模型接口、提示模板、记忆、链式调用、工具集成等等，目的就是让开发者能快速把大语言模型（LLM）的能力落地到具体项目里，比如智能问答、自动摘要、对话生成这些场景。简单说，有了它，你就不用手动拼请求、处理上下文、管理模型切换了。

二、安装LangChain

开工之前，先把环境配好。打开终端，一行命令搞定：

pip install langchain

安装完以后，就可以直接导入用了。建议在 Jupyter Notebook 里操作，边写边看结果，体验更好。

三、构建一个简单的LangChain应用

下面我们用智谱清言的免费模型 glm-4-flash 来演示。案例很简单：让AI写一首关于荷花的诗。跟着步骤走就行。

1. 导入所需模块

from langchain_community.chat_models import ChatZhipuAI
from langchain_core.messages import AIMessage, HumanMessage, SystemMessage

这里导入了两个关键东西：智谱的对话模型类，以及三种消息类型（AI消息、系统消息、人类消息）。后头我们会用它们构造提示内容。

2. 设置智谱API密钥

要调用智谱的模型，得先准备好密钥。建议通过环境变量设置：

import os
os.environ["ZHIPUAI_API_KEY"] = "your_zhipu_api"

把 your_zhipu_api 换成你自己的智谱AI API密钥就行。密钥可以去 智谱开放平台 申请^[1]。

3. 初始化语言模型

chat = ChatZhipuAI(
    model="glm-4-flash",
    temperature=0.5,
)

这里创建了一个模型实例，指定了模型名和 temperature 参数。这个参数控制生成内容的随机性：值越低回答越保守、更确定；值越高越有“创意”。0.5 是个比较平衡的选择，写诗的话适当高一点也没问题。

4. 定义提示模板

messages = [
    AIMessage(content="你好."),
    SystemMessage(content="你是人类的 AI 助理."),
    HumanMessage(content="帮我写一首描述荷花的诗"),
]

这段代码构造了三轮消息：AI先说了句“你好”，系统告诉它“你是助理”，最后用户说“帮我写诗”。注意顺序——消息列表按时间先后排列。系统消息通常用来设定AI的角色和行为风格。你可以随便改 content 里的内容，比如换个主题或语气。

5. 运行模型

response = chat.invoke(messages)
print(response.content)

调用 invoke 方法，把消息列表传进去，模型就会根据上下文返回结果。输出大概是这样：

荷花映日艳如霞， 碧波荡漾映晴空。
轻风拂过香飘远， 翠叶摇曳舞翩跹。
玉盘托珠露珠滚， 蜻蜓立上戏水间。
红衣绿裙翩翩舞， 夏日荷塘美不胜收。
月下荷花别样娇， 银光洒落映花娇。
幽香弥漫夜色里， 荷塘月色醉人心。

跑成功你就拿到一首小诗了。这样，一个简单的LangChain应用就构建完成——从安装到运行，不到十行代码。

通过这个例子，你能看到LangChain的核心流程：导入模块 → 设置密钥 → 初始化模型 → 构造消息 → 调用并输出。往后你想做更复杂的应用，比如带记忆的对话、多步推理、调用外部API，都可以在这个基础上延伸。框架的真正威力在后面，但今天迈出的第一步，已经足够清晰了。