# langchain_example

**Repository Path**: dunsk/langchain_example

## Basic Information

- **Project Name**: langchain_example
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-15
- **Last Updated**: 2025-06-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# langchain的常用案例代码


## 概述
  本项目主要运行langchain的官网案例代码，并做了适当的改造。比如将基于内存的文档库改为本地存储的。另外部分案例将使用外部的LLM接口，改为了调用本地的ollama接口，但有些案例本地模型返回效果不佳时，才改为调用外部的LLM的API接口。

## 使用方法
  本示例使用的langchain版本为0.3.25，langchain2.x跟langchain3.x使用上还是有一些变化的，建议不要混合使用它们。
  由于 python3.9和3.10的异步任务，不支持context参数，可能会导致langchain一些未能预知的错误，建议python版本使用3.11以上。
官方解释如下：
> In Python 3.9 and 3.10, asyncio's tasks did not accept a context parameter. 
> Due to this limitation, LangChain cannot automatically propagate the RunnableConfig down the call chain in certain scenarios.

1. 下载代码
   
   git clone  https://gitee.com/dunsk/langchain_example.git 

2. 环境安装 
   
   ```bash
   pip install uv
   uv sync
   ```

3. 运行代码
   
   ```bash
   # 需要注意的是，本示例中的大模型有些是调用的openAI接口，
   # 有些调用的是ollama本地部署的llama3.2模型
   #   如果使用的是openAi接口，需要注册openAI的账号，并配置OPANAI_API_KEY的环境变量，
   # 另外，使用openai时，需要使用科学上网的方法，安装一款vpn外网工具。
   #   如果是本地的ollama模型，只需要很把模型运行在本地的ollama中就可以了，
   # 并不需要别的特殊配置
   python prompt_example.py
   ```