LangChain — 最通用的 LLM 应用 / Agent 组件框架 - 编程接入

用可组合组件（模型、提示词、检索器、工具、输出解析）拼聊天、RAG 和 Agent 应用；ChatOpenAI 直接接受 base_url，是把任何 OpenAI 兼容 API 接进现成生态最短的路。

适用场景：第一次做 LLM 应用、想少写胶水代码、后续可能扩到 RAG/Agent 的 Python/JS 开发者。

python javascript agent rag langchain-openai

操作步骤

pip install -qU langchain "langchain[openai]"（或 JS 侧用 LangChain.js）。
把模型指向你的 API：ChatOpenAI(model="从 /v1/models 拿到的模型名", base_url="https://tokenbuddy.cc/v1", api_key="{{API_KEY}}")。
先跑通 llm.invoke("...")，再按需加检索器/工具，不要一上来堆 Agent。

代码示例

  from langchain_openai import ChatOpenAI
  llm = ChatOpenAI(model="your-model-id", base_url="https://tokenbuddy.cc/v1", api_key="{{API_KEY}}")
  print(llm.invoke("用一句话解释什么是 API 网关").content)

开源项目信息

仓库：https://github.com/langchain-ai/langchain
Stars 口径：该来源快照（2026-09-10 访问 GitHub 页）称 146k stars、24.4k forks，以 GitHub 实时为准
许可：MIT（该来源明示）

接入本站 API：只改 base_url + api_key + 模型名三处；模型名必须以本站 /v1/models 返回为准，不要套用官方模型名猜测。

注意事项

⚠️ 版本迭代快、旧教程的 import 路径已变，务必对当前版本文档
⚠️ 把 LangChain 当万能药——简单问答用原生 SDK 更轻
⚠️ 检索链效果差先查切分和召回，不要先换大模型

来源：https://www.anygen.io/showcase/langchain-github/index.html