LangChain 入门指南：基于 DeepSeek 模型构建对话流程（保姆级）

本教程将以实际代码案例为基础，带您掌握 LangChain 的核心概念与开发流程。我们将使用 LangChain 0.2.17 和 langchain-openai 0.1.25 版本，结合 DeepSeek 的 deepseek-chat 模型，构建一个完整的意图识别-响应生成系统。结合Jupyter进行实践效果更佳。需申请deepseek的API-KEY，充值10元可以玩好久。

一、环境准备

# 安装必要依赖
!pip install langchain==0.2.17 langchain-community==0.2.19 langchain-openai==0.1.25

二、代码结构解析

1. 核心组件初始化

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="deepseek-chat",
    api_key="sk-b247cb47eff84e9694f383c09682xxxx",  # todo 替换deepseek API Key  https://platform.deepseek.com/api_keys
    temperature=0.7,
    max_tokens=512,
    timeout=30,
    max_retries=3,
    base_url="https://api.deepseek.com"
)

按shift+enter进行执行操作。

关键参数说明：

• model: 指定使用 DeepSeek 的 deepseek-chat 模型
• temperature: 控制输出随机性（0-1 范围）
• base_url: DeepSeek API 的基础地址
• max_retries: 网络重试次数

2. 流程链式构建

（1）意图识别链

intent_prompt = PromptTemplate(
    input_variables=["input_text"],
    template="请根据以下输入识别用户意图：{input_text}"
)