核心库安装

构建LLM应用程序需要安装特定的Python包。为此，一个合适的Python环境是必需的，这包括选定Python版本、激活虚拟环境以及了解如何使用pip和requirements.txt管理依赖。LLM开发的Python生态系统活跃且在增长，但有几个库对于本课程中将构建的工作流程特别重要。

我们将侧重于安装用于编排、数据处理和API交互的主要工具。

核心工作流程库

这些库提供高级抽象，以构建LLM应用。

1. LangChain: 这是一个为开发由语言模型驱动的应用而设计的框架。它提供模块化组件，用于处理LLM、管理提示、串联调用序列、与外部数据连接以及创建自主智能体。我们将广泛使用LangChain来构建和管理工作流程。

   要安装LangChain核心包，请使用pip：

   pip install langchain
   

   LangChain将与特定LLM提供商和其他工具的集成保持在独立的包中，以提高模块化程度。例如，要在LangChain中使用OpenAI模型，您可以安装：

   pip install langchain-openai
   

   同样，对于Anthropic模型：

   pip install langchain-anthropic
   

   您通常可以一次安装多个附加项：

   pip install 'langchain[openai,anthropic]'
   

   我们将在后面的章节中根据需要介绍具体的集成。目前，安装核心langchain以及您打算使用的提供商包（如langchain-openai）是一个不错的开始。

2. LlamaIndex: 这个库专注于将LLM与外部数据源连接起来。它擅长数据摄取（加载文档、网页等）、高效地索引这些数据（通常使用向量 (vector)嵌入 (embedding)），并提供查询接口，以便为您的LLM检索相关上下文 (context)。它对于构建检索增强生成（RAG）系统特别有用。

   使用pip安装LlamaIndex：

   pip install llama-index
   

   LlamaIndex也有针对特定数据加载器、向量存储或LLM的可选依赖项，可按需安装。

LLM提供商客户端库

尽管LangChain等库可以抽象化直接的API调用，但您有时可能需要或更喜欢使用LLM供应商提供的官方客户端库。这些库提供对模型提供商API端点的直接访问。

• OpenAI: 如果您计划使用GPT-4或GPT-3.5 Turbo等模型。

  pip install openai
  

• Anthropic: 用于使用Claude等模型。

  pip install anthropic
  

• 其他: 根据提供商（例如，Cohere，Google Gemini），您需要安装其对应的Python包。

安装与您有权访问并计划使用的LLM服务相关的客户端库。请记住安全地处理相应的API密钥，正如前一节中讨论的那样。

辅助库

几个其他库是LLM开发工作流程中常用的：

• python-dotenv: 用于管理环境变量，特别是将API密钥从.env文件加载到您的环境中。

  pip install python-dotenv
  

• requests: Python中用于发起HTTP请求的标准库。尽管通常被客户端库或LangChain等框架封装，但将其用于直接API交互或调试是一个良好的习惯。它通常作为其他包的依赖项安装，但明确安装也无妨。

  pip install requests
  

• 向量 (vector)存储: 对于RAG应用（第7章将介绍），您将需要一个库来管理向量嵌入 (embedding)。常见的本地运行选项包括：
  • ChromaDB: 一个开源嵌入式数据库。

    pip install chromadb
    

  • FAISS: 一个由Facebook AI开发的、用于高效相似度搜索的库。安装有时会更复杂，特别是如果需要GPU支持的话。对于CPU使用：

    pip install faiss-cpu
    

  我们将在后面更详细地讨论向量存储，但安装像chromadb这样的库会为您的环境进行RAG任务做好准备。

更新您的requirements.txt

安装这些核心库后，重要的是更新您的requirements.txt文件，以反映您虚拟环境的当前状态。这可保证可重复性。

在您已激活的虚拟环境中运行以下命令：

pip freeze > requirements.txt

此命令列出所有已安装的包及其确切版本，并将它们保存到requirements.txt文件中。您的文件可能看起来像这样（版本会有所不同）：

# requirements.txt

langchain==0.1.16
langchain-core==0.1.45
langchain-openai==0.1.3
llama-index==0.10.25
openai==1.16.1
python-dotenv==1.0.1
requests==2.31.0
chromadb==0.4.24
# ... 其他依赖项 ...

将此更新后的requirements.txt文件提交到您的版本控制系统（例如，Git）。

验证安装

您可以进行快速检查，以确认主要库已正确安装，方法是在您的终端中（在已激活的虚拟环境内）启动Python解释器并导入它们：

import langchain
import llama_index
import openai # 或您安装的其他提供商库

print("库已成功导入！")

如果运行此命令没有出现ModuleNotFoundError，则您的核心库已安装并可以使用了。

安装这些基本包后，您的Python环境现在已准备好与LLM交互、构建工作流程和处理外部数据。在下一章中，我们将开始通过使用Python直接与LLM API交互来应用这些内容。