说起 LangChain 可能没有接触过AI大模型的【（为了方便，以下我就简称LLM ）。LLM是（Large Language Model）的缩写。】同学不太好理解，另外呢我早上遇到学生兔子，兔子也想了解什么是LangChain，那么以下的内容基本上就是马老师和兔子聊天，希望大家通过这种形式可以轻松愉快的来学习。

💡

兔子：喂，马老师，最近听说有个技术特别火，叫做大模型，这是什么意思啊？

我：哈哈，这个问题问的有点意思，大模型目前来说确实很火，尤其是咱们国内的Deepseek出世后，更是推动了大模型国产化的发展。简单的说啊，大模型就是参数规模巨大，并且具备学习能力的AI模型。它一般来说可以支持几十亿，甚至万亿的参数。可以想想小的模型支持那么几个参数，那么支持几十亿甚至万亿的参数的模型，不就是大模型吗？

兔子：好像很有道理的样子啊。对了，那么我前几天看CSDN的时候看到好多关于咨询LangChain的内容，这个 LangChain 是什么呀？

我：这个问题问的好哈哈，LangChain 就是基于LLM的一套应用开发框架。简单的说，我们可以通过这个框架把Deepseek或者Chatgpt对接到我们自己的应用程序中，让我们的应用程序具备AI能力。

兔子：什么是AI能力呢？

我：举个例子：你开发了一款APP，这个APP是用来讲解初中数学题的。你输入题，然后答案就给你出来了。不具备AI能力的时候你需要建立题库，建立搜索引擎等，那么具备了AI能力后，你只需要写很少的代码，把问题给了LLM，然后它就会给你答案，而且答案可能是多样化的。

兔子：这么厉害啊，马老师，那赶快给我讲讲怎么实现把~~

我：安排！！!

一、开发环境的搭建

想要实现LangChain的开发呢你必须学习至少一门编程语言，如：python、或者JS。为啥呢，主要是因为LangChain这个框架，目前主要支持这两门编程语言。

好的现在马老师认为你已经具备了部分python的知识了。那么我们现在要在新的一台电脑上安装开发环境。我们这里以 Python 编程语言为例。

这里我们推荐两种安装形式。

1）第一种

直接官网下载python3.x的安装包，直接下一步下一步下一步安装就ok了，最后打开开始运行cmd，输入：python -V

看到以上内容说明已经安装好了。

2）第二种安装

安装Anaconda（具体的说明及安装方式，可以参考马老师之前的文章《Anaconda配置Jupyter环境：安装+虚拟+汉化》）

好了，到目前我们的开发环境完成了。

二、编写第一个程序

💡

我：兔子，马老师现在问你个问题怎么样？

兔子：好啊，是什么问题呢？

我：现在的中学生喜欢什么样的电子产品？

兔子：这个············嗯···············

我：没关系，那么接下来我们开发一个小程序，然后让程序告诉我们好不好？

兔子：好啊，太期待了！！！

好的那我们开始了。我们通过上面的内容已经搭建好项目了，那么马老师这里呢使用的是Anaconda搭建的环境。为什么呢？主要是因为用它管理多个版本的python还是非常好用的，并且下载一些AI工具也方便。

1）创建个虚拟环境

首先我们想使用他开发需要创建个虚拟环境，如下命令：

conda create -n my-langchain

然后切换过去

conda activate my-langchain

切换到my-langchain环境后显示如下：
E:\\pyCode>conda activate my-langchain
(my-langchain) E:\\pyCode>

2）安装 ipykernel 包

安装 ipykernel 包（用于注册 Jupyter 内核）

pip install ipykernel

3）将环境添加为 Jupyter 的内核

python -m ipykernel install --user --name my-langchain --display-name "Python (my-langchain)"

4）启动Jupyter

首先安装langchain、langchain-ollama

安装 、

pip install langchain

pip install langchain-ollama

接下来我们双击打开Notebook后创建代码就可以了。我们下来看看代码。

from langchain_ollama import OllamaLLM
from langchain_core.prompts import PromptTemplate

# 初始化 deepseek 模型
llm = OllamaLLM(model="deepseek-r1:1.5b")

# 创建提示模板
prompt = PromptTemplate.from_template("用中文简要回答：{question}")

# 生成问题内容
full_prompt = prompt.format(question="现在的中学生喜欢什么样的电子产品？")

# 运行模型生成回答
response = llm.invoke(full_prompt)

print("回答：", response)

结果如下：

💡

我：怎么样兔子，是不是很好玩儿啊

兔子：真是太神奇了，哪个langchain、langchain-ollama·····，是什么啊

我：我们接下来看看他们是什么

三、langchain-ollama 是什么

我们要在本地使用大模型，那么我们可以安装一个叫做ollama的大模型框架，这个框架集成了很多模型，其中就有现在非常火的Deepseek模型，所以在这之前马老师其实偷偷的运行了本地模型了。

大概需要两个步骤：

1）第一：安装ollama。

2）第二：拉取deepseek模型。

具体安装ollama和拉取deepseek模型可以参考马老师之前的文章：《用Ollama轻松打造属于你的AI大模型助手》、《零基础ollama+DeepSeek本地部署》

那么有了模型后我们需要让我们的代码和模型打通，这时候就要用到 langchain-ollama 这个模块了，这个模块主要是基于 langchain 框架的。让你可以在 LangChain 中轻松使用本地 Ollama 模型（如 DeepSeek、LLaMA3、Mistral 等）作为语言模型（LLM）组件，就像调用 OpenAI 的接口一样。

另外在以上代码中，核心的部分是：

llm = OllamaLLM(model="deepseek-r1:1.5b")

其中：deepseek-r1:1.5b 是我们本地的模型名称，通过以下命令获取：

ollama list 

标红的就是我们的模型名称。

💡

我：兔子，通过以上说明是不是明白了？

兔子：嗯明白了，马老师讲的真好，但是它还可以做什么呢？虽然明白了，但是总是模模糊糊的~~~

我：没关系，他的玩法很多，我们在后面的内容中再玩儿。

四、AI总结

这是一篇面向AI初学者的引导型文章，通过轻松的对话形式（“马老师和兔子”）介绍了大语言模型（LLM）和 LangChain 框架的基本概念，并结合 DeepSeek 模型，手把手演示了如何在本地搭建开发环境并编写第一个 LangChain + Ollama 应用。