langchina安装

一、 LangChain介绍和架构
1.1 LangChain简介与架构
LangChain是一个用于构建基于大语言模型（(LLM）应用的开源框架。
它的核心目标是：
帮助开发者更方便地将LLM与外部数据、工具和业务流程结合起来，构建更实用、更强大的AI应用。
例如：RAG问答系统、智能助理、多轮对话、Agent自动决策工具人等。
官方文档:https://python.langchain.com/docs/introduction/
LangChain的核心组成可以分为以下几个模块：
1、模型接口(ModelI/O)
模型(Model)：支持多种 LLM 提供商，如 OpenAI、Anthropic、Cohere、Hugging Face、Ollama等。
提示模板（PromptTemplates）：用于构建和管理提示词，支持动态插值和格式化。
输出解析器（OutputParsers）：将LLM的输出解析为结构化数据，便于后续处理。
2、链(Chains)
将多个组件组合成一个处理流程，实现复杂的任务，如问答系统、摘要生成等。
支持自定义链的构建，满足特定应用需求。
3、记忆(Memory)
用于存储和检索对话历史，实现上下文感知的交互。
支持多种存储后端，如本地内存、数据库等。
4、代理（Agents)
具备决策能力的组件，能够根据用户输入动态选择工具和操作路径。
适用于需要多步骤推理和工具调用的复杂任务。
5、工具（Tools)
外部功能接口，如搜索引擎、数据库查询、API调用等。
可被代理调用，扩展LLM的能力范围。
6、检索器(Retrievers)
用于从外部知识库中检索相关文档，支持RAG(Retrieval-AugmentedGeneration)模式。
支持多种向量数据库和检索策略。
7、文档加载器（Document Loaders)
用于加载和预处理各种格式的文档，如PDF、HTML、Markdown等。
支持自定义加载器，满足特定数据源需求

核心解决的问题：
（1）让大模型调用外部工具
（2）让大模型记住上下文
（3）让大模型按步骤思考，做决策
（4）‍统一对接各种大模型（openai、通义千问你、文心一言）
二、支持自定义加载器，满足特定数据源需求。
1.2LangChain在软件测试中应用场景
（1）场景一：测试用例生成
根据需求文档、接口文档或历史缺陷，自动生成测试用例。
使用LangChain+RetrievalQA，将需求文档上传至向量库，通过大模型生成结构化的测试用例
（例如：测试点、步骤、预期结果等）。
使用LangChain Expression Language(LCEL)组成链式流程：
文档读取→信息提取→用例生成。
（2）场景二：测试脚本生成
根据自然语言的测试步骤生成自动化脚本（如Selenium、Playwrightui（ui自动化框）、Pytest（框架）
使用LangChain Agent工具调用Code Interpreter工具，支持 Python 脚本生成。可输入自然语言需求如：“帮我写一个登录功能的Selenium脚本”。
（3）场景三、缺陷智能分析与聚类
分析大量历史缺陷数据，提取共性、进行分类、聚类分析。
将缺陷描述、日志等向量化存储，使用LangChain+FAISS/Chroma构建缺陷知识库。
使用LLM进行缺陷聚类、趋势总结，识别高频缺陷。
（4）场景四：日志异常分析
测试过程中获取的服务日志量庞大，手动排查异常低效。
将日志拆分后存入向量库。
（5）场景五：接口文档解析与测试自动化
通过接口文档自动生成接口测试用例和测试数据。
LangChain加载Swagger或Markdown文档，使用LLM提取字段、参数、请求类型。
自动生成接口请求模板+边界值组合。
（6）场景六、测试知识助手/Copilot助手
为测试团队提供一个智能助手，回答关于测试工具、用例设计、脚本开发、项目环境等问题。
使用LangChain+RAG构建内部知识库
（上传测试相关文档如测试策略、测试标准、平台操作手册等）。
支持对话式问答，如”pytest参数化怎么用？
我们项目的接口测试标准是啥？

三、下载miniconda

https://www.anaconda.com/docs/getting-started/miniconda/main

（1）选择安装包

（2）下载安装包

（3）下载好的安装包

三、安装conda

（1）双击点击安装

（2）

（3）选择所有用户

（4）

（5）

（6）

（7）

（8）

四、conda使用

windows+r 打开dos命令：cmd

1、conda create -n langchain python==3.11 -y

#创建一个Python3.11的环境，名为langchain

注意：执行出行，不是内部命令，解决方法：在环境变量的path中

你的anaconda路径：

你的anaconda路径\Scripts：

你的anaconda路径\Library\bin：C:\ProgramData\miniconda3\Library\bin

步骤：要授权

一键解决：Conda 服务条款未接受报错
这个错误不是环境创建失败，只是 Anaconda 要求你先同意服务条款，按我下面的步骤复制粘贴 3 行命令，10 秒解决！
第一步：直接运行这 3 条同意条款命令
打开你的 Anaconda Prompt，逐行复制粘贴运行：
dos下
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/msys2

第二步：重新创建 langchain 环境条款同意后，再运行你原本的命令：
conda create -n langchain python=3.10 -y

conda activate langchain#激活虚拟环境

如果：启动报错CondaError: Run 'conda init' before 'conda activate'

conda init 初始化==》重启一个dos窗口

pip list 查看pip下载的包

conda env list 列出当前所有的虚拟环境

conda deactivate # 退出当前环境

五、安装langchain的相关依赖

pip install langchain==0.3.25
# langchain库

pip install langchain-openai==0.3.16
# OpenAI集成

pip install langchain-deepseek==0.1.3
# DeepSeek云端集成

pip install langchain-ollama==0.3.2
# Ollama本地模型支持

四、 LangChain调用OpenAI GPT

代码编辑器工具Pycharm：https://www.jetbrains.com/pycharm/

注册OpenAI账户，并且创建获取API Key https://platform.openai.com/account/api-keys

temperature是大语言模型（LLM）中的一个生成控制参数，它用于控制模型回答的随机性和创造力，数值范围通常为 0 —1

1.3.2LangChain调用在线DeepSeek
注册DeepSeek账户，并且创建获取API Key https://platform.deepseek.com/api_keys

from langchain_deepseek import ChatDeepSeek
m= ChatDeepSeek(
model="deepseek-chat",
temperature=0.5,
api_key="sk-919867f063e94e3089c1e599873a825b")
res=m.invoke("请使用python和requests库编写一个登录的接口自动化脚本")
print(res)   报错：没有免费的key

使用国内的调用方法

使用通义千问：
打开：https://dashscope.console.aliyun.com/