环境搭建指南：LangChain, LangGraph & Chat LLMs
我曾经为了调试一个 LangChain 项目耗费了两个小时。问题仅仅是缺少了一个环境变量。我的 API 密钥写在 .env 文件里，但我忘了加载它。
我编写这份指南，就是为了让你们不再像我一样浪费时间。
你将学习如何搭建一个包含 LangChain、LangGraph 和 Chat LLM 的可用 Python 环境。
所需软件包：
- langchain: 用于 chains 和 agents 的核心框架
- langchain-openai: 与 OpenAI 模型的集成
- langchain-core: 共享原语（如 messages）
- langgraph: 基于图的 agent 工作流
- python-dotenv: 从 .env 文件加载变量
- openai: OpenAI 官方 Python SDK
第 1 步：检查 Python 版本
LangChain 需要 Python 3.9 或更高版本。在终端运行：
python --version
第 2 步：创建虚拟环境 始终使用虚拟环境以避免依赖冲突。
mkdir langchain-agents-series
cd langchain-agents-series
python -m venv venv
在 Mac/Linux 上激活：
source venv/bin/activate
在 Windows 上激活：
venv\Scripts\activate
第 3 步：安装依赖
在激活环境后，运行：
pip install langchain langchain-openai langchain-core langgraph python-dotenv openai
第 4 步：保护你的 API 密钥 永远不要在代码中硬编码 API 密钥。这是非常危险的。如果你将其推送到 GitHub，机器人会立刻窃取它。
- 创建一个 .env 文件：
touch .env - 添加你的密钥：
OPENAI_API_KEY=your-key-here - 创建一个 .gitignore 文件，以隐藏你的 .env 和 venv 文件夹。
第 5 步：你的第一个 Agent
创建一个名为 hello_agent.py 的文件。使用 load_dotenv() 函数来读取你的密钥。
在构建 agent 时，请使用 temperature=0。这会让模型的输出更加可预测且一致。
常见错误提示：
OPENAI_API_KEY未找到：检查你的.env文件是否在正确的文件夹中，以及是否调用了load_dotenv()。ModuleNotFoundError：你的虚拟环境未激活。AuthenticationError：你的 API 密钥错误。RateLimitError：你达到了限制，或者需要为你的 OpenAI 账户充值。
最佳实践：
- 始终使用虚拟环境。
- 使用
pip freeze > requirements.txt固定你的版本。 - 使用
temperature=0以保证稳定性。 - 记录你的 token 使用情况以追踪成本。
Source: https://dev.to/ikram_khan/setting-up-your-environment-langchain-langgraph-chat-llms-43cf
可选的学习社区：https://t.me/GyaanSetuAi