https://python.langchain.com.cn/docs/expression_language/cookbook/code_writing

轻松学：用 LangChain 自动写并执行 Python 代码（降低难度版）

这个链接的核心是教你用 LCEL（LangChain 表达式语言） 搭一条“流水线”——输入一个问题（比如“2加2等于多少”），让 AI 自动写 Python 代码，还能直接运行出结果。全程不用你手动写代码、粘代码，全靠链自动完成。我用“大白话+分步拆解”讲，每个地方都告诉你“为什么要这么做”。

一、先搞懂：学完你能实现什么效果？

简单说，你最终能写出一段代码，运行后输入问题（比如“计算1到10的和”），电脑会自动：

1. 让 AI 生成解决这个问题的 Python 代码；
2. 自动清理 AI 输出的代码格式（去掉多余的文字）；
3. 自动运行清理后的代码；
4. 返回运行结果（比如1到10的和是55）。

二、分步学：从“安装准备”到“跑通代码”

跟着做就行，每一步都标了“作用”，不用记复杂概念。

步骤1：先装需要的“工具包”（依赖库）

就像做饭要先买食材，这里要装 3 个 LangChain 相关的库，分别负责“核心功能”“Python 执行工具”“调用 OpenAI 模型”。
复制下面的命令到你的代码环境（比如 Jupyter、PyCharm）里运行：

# 安装3个必要的库，--quiet 表示安装时不显示多余日志
%pip install --upgrade --quiet langchain-core langchain-experimental langchain-openai

• langchain-core：LangChain 的核心工具（比如提示模板、输出解析器）；
• langchain-experimental：里面有“Python REPL”（能自动执行 Python 代码的工具）；
• langchain-openai：用来调用 OpenAI 的模型（让 AI 写代码）。

步骤2：准备“流水线”的4个核心零件

这一步是“搭零件”，每个零件都有明确分工，后面会把它们串起来。

零件1：告诉 AI“怎么写代码”的提示模板（Prompt）

AI 不会天生就知道“只写代码、不写废话”，所以要给它一个“规则模板”，明确要求：只返回 Markdown 格式的 Python 代码（比如用 python 和 把代码包起来）。

from langchain_core.prompts import ChatPromptTemplate

# 模板内容：告诉AI“只返回Markdown格式的Python代码，别多写其他话”
template = """编写一些Python代码来解决用户的问题。只返回Markdown格式的Python代码，例如：
```python
....  # 这里写代码

“”"

组合成“系统指令+用户输入”的提示：system是规则，human是用户的问题

prompt = ChatPromptTemplate.from_messages([(“system”, template), (“human”, “{input}”)])

#### 零件2：调用 AI 模型（让 AI 写代码）
用 OpenAI 的模型（比如 gpt-3.5/gpt-4）来生成代码，这里只是“初始化模型”，还没让它干活。
```python
from langchain_openai import ChatOpenAI

# 初始化模型：你需要有OpenAI的API密钥（环境变量里配置好）
model = ChatOpenAI()

零件3：清理 AI 输出的代码（去掉多余格式）

AI 会按模板返回类似这样的内容：

```python
print(2 + 2)

我们需要去掉开头的 ```python 和结尾的 ```，只留下中间的代码（比如 `print(2 + 2)`），不然后面没法运行。这个函数就是干“清理”工作的：
```python
def _sanitize_output(text: str):
    # 第一步：把文本按“```python”分割，取后面的部分（after就是分割后的后半段）
    _, after = text.split("```python")
    # 第二步：再把after按“```”分割，取前面的部分（就是纯代码）
    return after.split("```")[0]

• 比如 AI 输出是“python print(2+2) ”，清理后就变成“ print(2+2) ”（多余格式没了）。

零件4：自动执行 Python 代码的工具（Python REPL）

“REPL”可以理解成一个“迷你 Python 终端”，能直接把代码字符串扔进去运行，还能返回结果。这里是初始化这个工具：

from langchain_experimental.utilities import PythonREPL

# 初始化Python REPL工具（不用传参数，默认配置就行）
python_repl = PythonREPL()

步骤3：把零件串成“流水线”（构建链）

用 | 符号把前面的 4 个零件串起来，形成一条“输入问题→输出结果”的完整链。顺序很重要，不能乱！

from langchain_core.output_parsers import StrOutputParser

# 链的顺序：输入问题 → 按模板生成提示 → AI写代码 → 转成字符串 → 清理格式 → 运行代码
chain = prompt | model | StrOutputParser() | _sanitize_output | python_repl.run

• 逐个解释顺序：
  1. prompt：把用户输入的问题（比如“2加2等于多少”）填进提示模板；
  2. model：AI 按提示生成带格式的代码；
  3. StrOutputParser()：把 AI 输出的“消息对象”转成普通字符串（方便后续清理）；
  4. _sanitize_output：清理字符串，得到纯代码；
  5. python_repl.run：运行纯代码，返回结果。

步骤4：测试“流水线”（运行链）

输入问题，让链自动干活！

# 调用链：输入“2加2等于多少”，返回运行结果
result = chain.invoke({"input": "2加2等于多少"})
print(result)

• 运行过程：
  1. AI 生成代码：print(2 + 2)；
  2. 清理后还是 print(2 + 2)；
  3. 运行代码，输出 4；
  4. 最终 result 就是 '4\n'（\n 是换行符，不影响结果）。

三、必须注意的风险（文档里也强调了）

Python REPL 能执行 任意 Python 代码——如果输入的问题让 AI 生成了危险代码（比如删除电脑文件、获取隐私），它也会直接运行！所以：

1. 只给链输入“简单计算、数据处理”这类安全问题；
2. 不要用它处理未知的、来源不明的输入；
3. 测试时先看 AI 生成的代码（比如在清理后加个 print(代码) 确认），再运行。

四、核心总结：初学者记3个关键点

1. 链的顺序不能乱：必须是“提示→模型→解析→清理→运行”，每一步都为下一步做准备；
2. 清理函数很重要：没有它，AI 输出的带格式代码没法运行；
3. Python REPL 要慎用：能自动运行代码是方便，但也有安全风险，别瞎输问题。