趋近智
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。
这些库提供高级抽象,以构建LLM应用。
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。
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。
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。
pip install openai
pip install anthropic
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。
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
pip install chromadb
pip install faiss-cpu
chromadb这样的库会为您的环境进行RAG任务做好准备。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)。
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。
简洁的语法。内置调试功能。从第一天起就可投入生产。
为 ApX 背后的 AI 系统而构建
这部分内容有帮助吗?
© 2026 ApX Machine LearningAI伦理与透明度•