15.RAG开发-02-LangChain的环境部署

LangChain 的环境部署

LangChain 的部署相对灵活，因为它主要是一个 Python 库，并且有不同语言（Python 和 JavaScript/TypeScript）的 SDK。大多数情况下，您会以 Python 的方式来部署和使用 LangChain。

    pip install langchain langchain-community langchain-ollama dashscope chromadb
    pip install langchain_chroma

langchain:核心包
langchain-community：社区支持包，提供了更多的第三方模型调用（阿里云千问模型就需要这个包）
langchain-ollama：Ollama支持包，支持调用ollama托管部署的本地模型
dashscope:阿里云通义千问的PythonSDK
chromadb：轻量向量数据库（后续使用）

以下是 LangChain 的核心环境部署内容：

1. Python 环境准备

LangChain 是一个 Python 库，因此您需要一个配置好的 Python 环境。

Python 版本: 推荐使用 Python 3.8 或更高版本。
安装 Python: 如果您的系统没有 Python，可以从 python.org 下载并安装。

2. 创建和激活虚拟环境 (强烈推荐)

为了避免不同项目之间的依赖冲突，使用虚拟环境是最佳实践。

使用 venv (Python 自带):

# 1. 在您的项目目录中创建虚拟环境
python -m venv .venv

# 2. 激活虚拟环境
# Windows:
.\.venv\Scripts\activate
# macOS/Linux:
source .venv/bin/activate

激活后，您的命令行提示符前面会显示 (.venv)。

使用 conda (Anaconda/Miniconda):

# 1. 创建 conda 虚拟环境 (例如，指定 Python 版本)
conda create -n langchain_env python=3.9

# 2. 激活 conda 虚拟环境
conda activate langchain_env

3. 安装 LangChain 库

一旦您的 Python 虚拟环境激活，您就可以使用 pip 来安装 LangChain。

安装核心库:
```
pip install langchain
```
安装特定集成 (根据您的需求):
LangChain 的强大之处在于它集成了许多外部服务，您需要根据您使用的具体服务来安装额外的库。以下是一些常见的例子：
- OpenAI API:
```
pip install openai
```
- LLMs (其他):
  - Hugging Face models: pip install transformers
  - Anthropic (Claude): pip install anthropic
  - Google (Generative AI): pip install google-generativeai
  - Cohere: pip install cohere
- Vector Stores:
  - Chroma: pip install chromadb
  - FAISS: pip install faiss-cpu (或 faiss-gpu 如果您有 GPU)
  - Pinecone: pip install pinecone-client
  - Weaviate: pip install weaviate-client
- Document Loaders:
  - PDF: pip install pypdf
  - Web Pages: pip install beautifulsoup4
  - Google Drive: pip install google-api-python-client google-auth-httplib2 google-auth-oauthlib
- Agents (Tools 及其依赖):
  - Google Search: pip install google-search-results (需要 SerpAPI 密钥)
  - Python REPL: 通常不需要额外安装，LangChain 内置。
  - Bash/Shell: LangChain 提供了 ShellTool，可能需要确保您的系统中有相应的 shell。
建议: 在开始项目前，根据 LangChain 的文档（https://python.langchain.com/docs/get_started/installation）确定您需要的集成，并一并安装。

4. 配置 API 密钥和环境变量

许多 LLM 服务和工具需要 API 密钥才能使用。LangChain 推荐使用环境变量来管理这些密钥，这既安全又方便。

获取 API 密钥:
- OpenAI: 注册 OpenAI 账号，在 https://platform.openai.com/account/api-keys 创建 API Key。
- SerpAPI (Google Search): 注册 SerpAPI 账号，获取 API Key。
- Pinecone: 注册 Pinecone 账号，获取 API Key 和 Environment。
- ...等等，具体取决于您使用的服务。
设置环境变量:
- Temporary (当前终端会话):
```
# Windows (Command Prompt)
set OPENAI_API_KEY=your_openai_api_key

# Windows (PowerShell)
$env:OPENAI_API_KEY="your_openai_api_key"

# macOS/Linux
export OPENAI_API_KEY=your_openai_api_key
```
- Permanent (在操作系统层面):
  - Windows: 在“环境变量”设置中添加新的用户变量或系统变量。
  - macOS/Linux: 编辑您的 shell 配置文件 (如 .bashrc, .zshrc, .profile)，添加 export KEY_NAME=your_key 语句，然后运行 source ~/.your_shell_config_file 或重启终端。
- 使用 .env 文件 (推荐):
  在您的项目根目录下创建一个名为 .env 的文件，并在其中添加您的密钥：
```
OPENAI_API_KEY=your_openai_api_key
SERPAPI_API_KEY=your_serpapi_api_key
# ...
```
  然后，安装 python-dotenv 库：
```
pip install python-dotenv
```
  在您的 Python 脚本的开头加载这些变量：
```
from dotenv import load_dotenv
load_dotenv() # 会自动从当前目录或父目录加载 .env 文件

import os
openai_api_key = os.getenv("OPENAI_API_KEY")
```

5. 启动 LangChain 项目 (示例)

您可以在一个 Python 文件中编写您的 LangChain 代码。

示例：一个简单的 LangChain 链 (需要 OpenAI API Key)

确保您已安装: pip install langchain openai python-dotenv

创建 .env 文件:

OPENAI_API_KEY=sk-your_actual_openai_api_key_here

创建 Python 文件 (例如 main.py):

import os
from dotenv import load_dotenv
from langchain_openai import OpenAI
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain

# 1. 加载环境变量
load_dotenv()

# 2. 检查 API Key 是否加载成功 (可选)
if os.getenv("OPENAI_API_KEY") is None:
    print("OpenAI API Key not found. Please set it in your .env file or as an environment variable.")
    exit()

# 3. 初始化 LLM (例如 OpenAI)
# temperature=0 表示输出更确定，temperature=1 表示更随机/创造性
llm = OpenAI(temperature=0.7)

# 4. 定义 Prompt Template
prompt_template = PromptTemplate(
    input_variables=["topic"],
    template="讲一个关于 {topic} 的有趣的故事。",
)

# 5. 创建 LLMChain
# chain_type="stuff" 是最简单的链类型，将所有输入文档“塞”进一个上下文窗口
story_chain = LLMChain(llm=llm, prompt=prompt_template)

# 6. 运行链
topic_to_ask = "一只会飞的猫"
print(f"Generating a story about: {topic_to_ask}")
story = story_chain.invoke({"topic": topic_to_ask}) # 使用 .invoke for single input
# story = story_chain.batch([{"topic": topic_to_ask}, {"topic": "一个聪明的小机器人"}]) # 使用 .batch for multiple inputs

print("\n--- Generated Story ---")
print(story['text']) # Output is a dictionary, the story is in 'text' key

运行脚本:
```
python main.py
```

6. JavaScript/TypeScript 环境部署

LangChain 也提供了 JavaScript/TypeScript 的 SDK (LangChain.js)。部署方式类似：

Node.js 环境: 确保安装了 Node.js。
创建项目: npm init 或 yarn init。
安装 LangChain.js: npm install langchain @langchain/openai (取决于您使用的 LLM)
配置 API Key: 使用 .env 文件配合 dotenv 包，或者直接在代码中设置环境变量。
编写代码: 使用 LangChain.js 的 API 来构建您的应用。

总结部署步骤：

安装 Python
创建并激活 Python 虚拟环境
使用 pip 安装 langchain 核心库
安装您需要的特定集成库 (LLM, Vector Store, Document Loader 等)
获取并配置 API 密钥 (推荐使用 .env 文件)
编写 Python 代码，使用 LangChain 的模块构建应用
运行您的 Python 脚本

LangChain 的环境部署主要就是围绕着 Python 包的管理和 API 密钥的配置。一旦这些基础搭建好，您就可以专注于使用 LangChain 的强大功能来构建您的 LLM 应用了。

15.RAG开发-02-LangChain的环境部署