大家好，我是锋哥。最近连载更新《基于LangChain的RAG与Agent智能体》技术专题。
本课程主要介绍和讲解RAG，LangChain简介，接入通义千万大模型，Ollama简介以及安装和使用，OpenAI库介绍和使用，以及最重要的基于LangChain实现RAG与Agent智能体开发技术。同时也配套视频教程 《2027版 基于LangChain的RAG与Agent智能体开发视频教程》
我们首先来安装下LangChain库
pip install langchain langchain-community langchain-ollama -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
| 库名 | 核心定位 | 主要职责 | 来源 / 状态 |
|---|---|---|---|
| langchain | 框架核心与高层逻辑 | 提供构建AI应用的链、代理、检索策略等“认知架构”，是框架的“大脑”和“骨架。 | 官方核心库 |
| langchain-community | 第三方集成汇总 | 包含由社区维护的所有第三方集成（如各种文档加载器、向量存储、工具等），是一个“百宝箱”。 | 官方社区版 |
| langchain-ollama | 特定服务集成 | 专门用于连接Ollama服务的“专用工具包”，让你能调用本地的Llama 3、Qwen等模型。 | 官方合作伙伴包 |
比如我们现在要调用的通义千问大模型，就需要使用到langchain-community社区库。当然内部还需要dashscope库的支持，也需要安装下。
pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
DashScope（模型服务灵积）是阿里云推出的一个模型服务平台。它就像阿里云版的“OpenAI API 平台”，旨在通过标准化的API接口，为开发者提供丰富、易用的AI模型服务 。
下面是LangChain调用通义千问大语言模型的参考代码：
from langchain_community.llms.tongyi import Tongyi
# 创建模型
model = Tongyi(model="qwen-plus")
# 调用模型
result = model.invoke(input="你是谁")
print(result)
运行输出：
我们使用LangChain来调用Ollama本地大模型
from langchain_ollama import OllamaLLM
# 创建模型
model = OllamaLLM(model="qwen3:4b")
# 调用模型
result = model.invoke(input="你是谁")
print(result)
运行输出：
