# LangChainQwen

**Repository Path**: sdatafarmer/LangChainQwen

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-02
- **Last Updated**: 2026-03-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LangChain + 通义千问学习项目

基于LangChain框架和阿里通义千问大模型的完整学习项目，覆盖LangChain中文网的所有语法和函数调用知识。

## 🚀 项目特色

- **完整的LangChain学习路径**：从基础LLM使用到高级RAG应用
- **通义千问集成**：使用阿里云通义千问大模型
- **LangSmith监控**：集成LangSmith进行实验跟踪和监控
- **中文友好**：所有示例和文档均为中文
- **模块化设计**：每个功能都有独立的示例文件

## 📚 学习内容

1. **基础LLM使用** - LangChain核心概念和基础用法
2. **聊天模型** - 聊天模型的使用和对话管理
3. **Chain和LCEL** - 链式调用和LCEL表达式
4. **Agent和Tools** - 智能代理和工具开发
5. **RAG应用** - 检索增强生成应用
6. **记忆和聊天机器人** - 对话记忆和聊天机器人
7. **LangSmith集成** - 实验跟踪和监控
8. **对话式RAG应用** - 多轮对话检索增强生成（RAG）
9. **SQL数据问答** - 基于结构化SQL数据的自然语言问答
10. **查询分析系统** - 智能分析用户查询意图并生成SQL
11. **本地RAG应用** - 使用本地知识库的RAG检索增强
12. **数据库问答** - 多表/复杂SQL数据库的智能问答
13. **PDF问答系统** - 针对PDF文档的内容检索与问答
14. **提取链** - 信息抽取与结构化输出链式应用
15. **生成合成数据** - 利用大模型自动生成结构化或文本数据
16. **文本分类** - 多类别文本智能分类
17. **文本总结** - 长文本自动摘要与总结

## 🛠️ 环境要求

- Python 3.8+
- 阿里云通义千问API密钥
- LangSmith API密钥（可选，用于实验跟踪）

## 🔒 安全配置

**重要安全提醒：**
- 所有API密钥都通过环境变量管理，不会硬编码在代码中
- `.env`文件已被`.gitignore`忽略，不会上传到Git仓库
- 请确保在系统环境变量中设置API密钥，而不是在代码中直接写入

### 推荐的环境变量设置方式：

#### Windows系统：
```cmd
# 设置通义千问API密钥
set DASHSCOPE_API_KEY=your_actual_api_key_here

# 设置LangSmith API密钥（可选）
set LANGSMITH_API_KEY=your_langsmith_api_key_here
```

#### Linux/Mac系统：
```bash
# 设置通义千问API密钥
export DASHSCOPE_API_KEY=your_actual_api_key_here

# 设置LangSmith API密钥（可选）
export LANGSMITH_API_KEY=your_langsmith_api_key_here
```

#### 使用.env文件（仅本地开发）：
```bash
# 复制示例文件
cp env_example.txt .env

# 编辑.env文件，填入真实的API密钥
# 注意：.env文件不会被提交到Git
```

## 📦 安装步骤

### 1. 克隆项目
```bash
git clone <repository-url>
cd LangChain_QWEN
```

### 2. 安装依赖
```bash
# 方法1：使用requirements.txt
pip install -r requirements.txt

# 方法2：使用Python 3.12专用依赖文件
pip install -r requirements_python312.txt

# 方法3：使用安装脚本
python install_dependencies.py
```

### 3. 配置环境变量

复制环境变量示例文件：
```bash
copy env_example.txt .env
```

编辑 `.env` 文件，设置以下变量：
```env
# 阿里通义千问API配置
DASHSCOPE_API_KEY=your_dashscope_api_key_here

# LangSmith配置（可选）
LANGSMITH_API_KEY=your_langsmith_api_key_here
LANGSMITH_PROJECT=langchain-qwen-learning
LANGSMITH_ENDPOINT=https://api.smith.langchain.com
LANGSMITH_TRACING_V2=true

# 应用配置
DEBUG=True
LOG_LEVEL=INFO
```

### 4. 获取API密钥

#### 通义千问API密钥
1. 访问 [阿里云通义千问](https://dashscope.console.aliyun.com/)
2. 注册并登录账号
3. 创建API密钥
4. 将密钥添加到环境变量

#### LangSmith API密钥（可选）
1. 访问 [LangSmith](https://smith.langchain.com/)
2. 注册并登录账号
3. 创建API密钥
4. 将密钥添加到环境变量

## 🎯 使用方法

### 运行主程序
```bash
python main.py
```

### 运行单个示例
```bash
# 基础LLM使用
python examples/01_basic_llm_usage.py

# 聊天模型
python examples/02_chat_models.py

# Chain和LCEL
python examples/03_chains_and_lcel.py

# Agent和Tools
python examples/04_agents_and_tools.py

# RAG应用
python examples/05_rag_application.py

# 记忆和聊天机器人
python examples/06_memory_and_chatbots.py

# LangSmith集成
python examples/07_langsmith_integration.py

# 对话式RAG应用
python examples/08_conversational_rag.py

# SQL数据问答
python examples/09_sql_qa.py

# 查询分析系统
python examples/10_query_analysis.py

# 本地RAG应用
python examples/11_local_rag.py

# 数据库问答
python examples/12_db_qa.py

# PDF问答系统
python examples/13_pdf_qa.py

# 提取链
python examples/14_extraction_chain.py

# 生成合成数据
python examples/15_data_generation.py

# 文本分类
python examples/16_text_classification.py

# 文本总结
python examples/17_text_summarization.py
```

### 快速运行脚本
```bash
python run_example.py
```

## 📁 项目结构

```
LangChain_QWEN/
├── config.py                 # 配置文件
├── main.py                   # 主程序入口
├── run_example.py           # 快速运行脚本
├── requirements.txt         # 依赖文件
├── requirements_python312.txt # Python 3.12专用依赖
├── install_dependencies.py  # 安装脚本
├── env_example.txt         # 环境变量示例
├── models/
│   ├── __init__.py
│   └── qwen_llm.py         # 通义千问LLM模型
├── utils/
│   └── langsmith_utils.py  # LangSmith工具模块
└── examples/
    ├── __init__.py
    ├── 01_basic_llm_usage.py      # 基础LLM使用
    ├── 02_chat_models.py          # 聊天模型
    ├── 03_chains_and_lcel.py      # Chain和LCEL
    ├── 04_agents_and_tools.py     # Agent和Tools
    ├── 05_rag_application.py      # RAG应用
    ├── 06_memory_and_chatbots.py  # 记忆和聊天机器人
    ├── 07_langsmith_integration.py # LangSmith集成
    ├── 08_conversational_rag.py   # 对话式RAG应用
    ├── 09_sql_qa.py               # SQL数据问答
    ├── 10_query_analysis.py       # 查询分析系统
    ├── 11_local_rag.py            # 本地RAG应用
    ├── 12_db_qa.py                # 数据库问答
    ├── 13_pdf_qa.py               # PDF问答系统
    ├── 14_extraction_chain.py     # 提取链
    ├── 15_data_generation.py      # 生成合成数据
    ├── 16_text_classification.py  # 文本分类
    └── 17_text_summarization.py   # 文本总结
```

## 🔧 配置说明

### 模型配置
在 `config.py` 中可以调整以下参数：
- `DEFAULT_MODEL`: 默认使用的模型
- `MAX_TOKENS`: 最大token数
- `TEMPERATURE`: 温度参数

### LangSmith配置
- `LANGSMITH_PROJECT`: LangSmith项目名称
- `LANGSMITH_ENDPOINT`: LangSmith API端点
- `LANGSMITH_TRACING_V2`: 是否启用V2追踪

## 🐛 常见问题

### 1. 依赖安装失败
```bash
# 尝试升级pip
python -m pip install --upgrade pip

# 使用国内镜像源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
```

### 2. Python 3.12兼容性问题
```bash
# 使用Python 3.12专用依赖文件
pip install -r requirements_python312.txt
```

### 3. API密钥错误
- 确保环境变量正确设置
- 检查API密钥是否有效
- 确认网络连接正常

### 4. LangSmith连接问题
- 检查LANGSMITH_API_KEY是否正确
- 确认网络可以访问LangSmith服务
- 查看LangSmith项目是否存在

### 5. API密钥安全问题
- **不要**在代码中硬编码API密钥
- **不要**将包含真实API密钥的.env文件提交到Git
- 使用系统环境变量或本地.env文件（已被.gitignore忽略）
- 定期轮换API密钥以提高安全性

### 6. 环境变量设置问题
```bash
# 检查环境变量是否正确设置
python check_env.py

# 验证配置
python -c "from config import Config; Config.validate_config()"
```

## 📖 学习资源

- [LangChain中文文档](https://www.langchain.com.cn/docs/introduction/)
- [LangChain官方文档](https://python.langchain.com/)
- [通义千问API文档](https://help.aliyun.com/zh/dashscope/)
- [LangSmith文档](https://docs.smith.langchain.com/)

## 🤝 贡献指南

欢迎提交Issue和Pull Request来改进项目！

## 📄 许可证

本项目采用MIT许可证。

## 🙏 致谢

- [LangChain](https://github.com/langchain-ai/langchain) - 优秀的LLM应用开发框架
- [阿里云通义千问](https://dashscope.console.aliyun.com/) - 强大的中文大语言模型
- [LangSmith](https://smith.langchain.com/) - 实验跟踪和监控平台 # LangChainQwen