5分钟组装一个LLM智能体应用LangChain新手实战指南【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain假设今天的需求是给内部工单系统加一个问答入口用户描述问题系统自动查知识库、必要时创建工单再把结论回复给用户。如果从零手写模型调用、重试逻辑和工具分发光骨架就得搭半天。下面的演示里你只需要声明用哪个模型、给它哪些工具剩下的循环控制交给 LangChain——这个构建 LLM 智能体Agent的 Python 框架。一句话定位把模型、工具、消息拼成一个智能体LangChain 是用于构建 LLM 应用与 Agent 的官方 Python 框架它把各家模型、消息对象、工具调用抽象成统一接口让你专注业务逻辑而不是协议细节。装依赖只需一行uv add langchain装完后整个项目可用的公共入口非常克制一个初始化模型、一个创建智能体、几组消息与工具类型新手不会被几百个 API 淹没。用一行代码接入任意厂商的模型模型在 LangChain 里就是一个字符串标识形如openai:gpt-5.5、anthropic:claude-sonnet-4-5。init_chat_model会按前缀自动路由到对应厂商的实现你不需要 import 任何具体提供商的类from langchain.chat_models import init_chat_model model init_chat_model(openai:gpt-5.5) result model.invoke(用一句话解释什么是智能体)这意味着换模型的成本是改一个字符串。团队做 A/B 实验、或者某厂商限流时临时降级到另一家都不用动业务代码。这个前缀路由逻辑的实现可以在 模型初始化入口 里直接看到。给模型一双手声明工具循环自动跑Agent 与普通问答的区别在于模型可以决定先调用哪个工具。你用create_agent把工具和模型一起声明出来模型产出工具调用 → 执行工具 → 把结果喂回模型这个循环由框架自动驱动直到它认为可以给出最终答复from langchain.agents import create_agent agent create_agent( openai:gpt-5.5, tools[search_docs, create_ticket], ) agent.invoke({messages: [{role: user, content: 查一下退款政策}]})search_docs、create_ticket只是普通的 Python 函数带 docstring 和类型注解即可。工具的执行细节封装在 工具节点模块 中你一般无需关心。不改主流程也能加上重试、兜底和人工确认真实环境里模型会超时、工具会报错、回复里可能带上敏感字段。LangChain 把这类横切需求做成了中间件在create_agent的middleware参数里挂上模型重试、模型降级主模型失败自动切备用模型、工具重试、PII 脱敏、人工确认human-in-the-loop等组件即可这些实现都集中在 agents/middleware/ 目录每类一个文件可以挑着用。5分钟最小可跑路径 安装框架uv add langchain 配置模型厂商密钥export OPENAI_API_KEYsk-你的密钥验证链路init_chat_model(openai:gpt-5.5).invoke(你好)写两个带 docstring 的工具函数传给create_agent提问一次观察它先调工具还是直接回答第五步跑通后把模型字符串换成anthropic:开头再问一次你会发现整段代码无需其他改动——这正是第 1 节抽象带来的红利。延伸与选型LangChain、LangGraph 和 Deep Agents 怎么选这个 monorepo 里同时维护着多个包分工是这样的langchain-corelibs/core/放消息、模型、工具等基础抽象langchainlibs/langchain_v1/是本文用的主力包libs/partners/ 下则按厂商拆出 openai、anthropic、ollama 等独立集成包各自独立发版。选型上可以记三条线只想快速做出能用的 Agent用 LangChain 本包需要自己控制状态图、条件分支、检查点恢复这类低层编排用 LangGraphLangChain 的 Agent 本身就是构建在 LangGraph 之上的需要规划、子 Agent、文件系统这类深度任务能力看更上层的 Deep Agents。反过来如果你的场景是延迟要求极苛刻的固定流水线LLM 只是其中一个节点那直接用厂商 SDK 更轻不必引入整个框架。想要啃源码的话仓库地址是 https://gitcode.com/GitHub_Trending/la/langchain 克隆下来先看 libs/langchain_v1/langchain/agents/factory.py 里的create_agent文档串比任何教程都完整。配合官方文档的概念章节一个下午足够你搭出第一个能调用内部接口的智能体。【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考