7 LangChain 从零教程：安装与配置之依赖安装

查看大图

LangChain 生态已经拆成核心包和不同集成包。安装时不要一次性塞满依赖，先让最小链路跑通，再按模型、向量库和工具逐步增加。

安装方式可对照 LangChain Python 官方安装文档。

查看大图

每装一个集成包，都写一句它为什么存在：接哪个模型，接哪个数据库，还是为了调试。没有用途的依赖先不要加。

在上一篇文章中，我们探讨了 LangChain 项目的环境准备，包括了 Python 和必要开发工具的安装，以及如何设置虚拟环境以便隔离项目依赖。现在，我们将进一步深入，详细说明如何安装 LangChain 所需的依赖。

必要的依赖安装

在开始安装 LangChain 依赖之前，确保你的虚拟环境已经激活。你可以通过以下命令激活你的虚拟环境，假设你的虚拟环境命名为 venv：

查看大图

安装 LangChain 依赖时，先记录 Python 版本、包管理方式、核心库版本和最小调用结果。版本不清，后面链路问题很难定位。

# 在 MacOS/Linux 上
source venv/bin/activate

# 在 Windows 上
venv\Scripts\activate

使用 pip 安装依赖

LangChain 及其功能模块需要一些 Python 包作为依赖。安装依赖的最直接方式是使用 pip 工具。在你的虚拟环境中，运行以下命令：

pip install langchain

这条命令将会安装 LangChain 的核心库，以及一些基础依赖。如果你需要使用特定功能或接入其他服务，可能还需要安装额外的依赖。

常见的额外依赖

根据不同的使用场景，以下是一些常见的额外依赖，你可以选择性地安装：

• LangChain Hub: 如果你计划使用官方提供的模型和数据集，可以额外安装：

  pip install langchain-hub
  

• 数据库连接: 如果你打算使用 LangChain 连接数据库（如 Postgres 或 MongoDB），你可能需要安装相应的库。例如，要连接 PostgreSQL，可以运行：

  pip install psycopg2-binary
  

• Web 爬虫: 如果你希望在项目中进行网页抓取，可以考虑安装 requests 和 BeautifulSoup4：

  pip install requests beautifulsoup4
  

• 机器学习库: 如果你打算在项目中使用机器学习模型，可以安装 scikit-learn, tensorflow 或 torch（具体取决于你的需求）：

  pip install scikit-learn
  

检查安装

确保所有业务所需的依赖都成功安装后，可以运行以下命令来检查已安装的包：

pip list

你应该能在输出中看到 langchain 及其他相关库。

示例项目依赖文件

为了方便管理项目的依赖，可以创建一个 requirements.txt 文件，记录所有需要安装的包。以下是一个示例 requirements.txt 文件的内容：

langchain
langchain-hub
psycopg2-binary
requests
beautifulsoup4
scikit-learn

你可以通过以下命令一次性安装所有依赖：

pip install -r requirements.txt

查看大图

如果《LangChain 从零教程：安装与配置之依赖安装》还没完全消化，可以从这张卡片的四个动作重新走一遍。

查看大图

回看《LangChain 从零教程：安装与配置之依赖安装》时，不必一次做大项目，先用一条简单样例确认主线是否清楚。

小结

经过这一段的讲解，我们已经成功地安装了 LangChain 的核心依赖以及一些可选的额外依赖。下一步，我们将会探究项目的结构，以更好地组织我们的代码和文件。

查看大图

开始读《LangChain 从零教程：安装与配置之依赖安装》前，可以先看图中从问题到结果的路径。读完后再对照正文，确认自己能不能照着复现。

请确认你的环境已经配置完成，并确保依赖项都正确安装。如果遇到任何依赖问题，请检查你安装的 Python 版本与库的兼容性。

现在，就让我们一起进入下一篇：安装与配置之项目结构。