🎯 课程主题

完成 LangChain 1.2 开发前的环境准备：安装 MiniConda、创建 Python 虚拟环境、安装 LangChain 依赖并配置 IDE。

📝 核心知识点

1. 前置知识要求

  • Python 基础：需掌握基础语法，后续涉及线程与协程的概念，可在用到时再补。
  • 大模型基础：建议提前用过豆包、腾讯元宝、DeepSeek 等产品，了解 Token、Prompt、Embedding Model 等概念。

2. 虚拟环境方案选型

  • 方案对比：
方案工具特点适用场景
方案一Conda无需预装 Python，支持非 Python 依赖（如 CUDA、PyTorch）机器学习 / 深度学习项目
方案二UV无需预装 Python，纯 Python 生态大型项目
方案三venvPython 自带，轻量级，需预装 Python小型 Demo / 小型项目
  • 关键细节：
    • 本课程选择 Conda，因为虽然只涉及 Python 依赖，但 Conda 最为通用。
    • 虚拟环境之间彼此隔离，避免不同项目依赖版本冲突。
    • Conda 环境内也可以使用 pip install。

3. MiniConda 安装

  • 概念说明：Anaconda 包含 150+ 高质量包，体积大；MiniConda 是轻量版，按需安装依赖即可。
  • 关键细节：
    • 安装路径不要包含中文和空格。
    • 建议使用课程提供的版本，避免最新版与 PyCharm / VS Code 产生兼容性问题。
    • 安装完成后配置环境变量：将 MiniConda 安装目录下的三个子目录（含 Scripts）添加到系统 PATH。

4. 创建虚拟环境与安装 Python

  • 命令：
    conda create -n langchain1.2 python=3.13.12
    • -n langchain1.2：虚拟环境名称，可按项目自定义。
    • Python 版本须 ≥ 3.10（LangChain 1.2 官方要求），课程使用 3.13.12。
  • 初始化：
    conda init
  • 启动环境：
    conda activate langchain1.2

5. 安装 LangChain

  • 安装原则：优先 conda install（依赖检查严格），Conda 渠道没有时再用 pip install。
  • 课程使用的安装命令：
    pip install langchain==1.2.12
  • 关键细节：
    • 使用 conda install langchain==1.2.12 可能因 Python 版本不符或渠道缺失而失败（实际演示中 pip 安装成功）。
    • 不要使用 pip install langchain（不指定版本），会安装最新版可能与后续内容冲突。

6. PyCharm 开发环境配置

  • 步骤：新建项目 → 选择 Custom Environment → 选择已存在的 Conda 环境 → 关联到 langchain1.2 → 创建 Python 文件测试 print(langchain.__version__)。
  • 输出验证：控制台输出 1.2.12 即表示环境准备完毕。

🏗️ 架构与工作流

全局 Python 环境（Base）
    └── 项目1：虚拟环境 langchain1.2（Python 3.13.12 + LangChain 1.2.12）
    └── 项目2：虚拟环境 project_b（Python 3.11 + 其他依赖）
    └── ...

虚拟环境相互隔离，依赖版本互不干扰。

💻 代码实战

# 1. 创建虚拟环境并安装指定版本的 Python
conda create -n langchain1.2 python=3.13.12

# 2. 初始化 Conda
conda init

# 3. 激活虚拟环境
conda activate langchain1.2

# 4. 验证 Python 版本
python --version

# 5. 安装 LangChain（pip 方式）
pip install langchain==1.2.12

# 6. 查看已安装的包
conda list

# test.py — 验证安装
import langchain

print(langchain.__version__)  # 预期输出: 1.2.12

⚠️ 常见问题与避坑指南

  • 安装路径避免中文和空格，否则可能导致环境变量解析异常。
  • Conda 渠道找不到包：优先尝试 -c conda-forge 渠道；仍失败则改用 pip install。
  • Python 版本与 LangChain 版本匹配：Conda 的依赖检查更严格，若报版本不匹配，改用 pip 通常能解决。
  • 统一版本号：课程全程使用 LangChain 1.2.12 和 Python 3.13.12，避免因版本升级导致示例代码不兼容。

💡 个人总结与延伸

本节的流程是后续所有开发的基础：Conda 创建隔离环境 → 安装 LangChain → IDE 关联虚拟环境 → 验证。实际项目中建议用 requirements.txt 或 pyproject.toml 固化依赖版本，避免"在我机器上能跑"的问题。对于纯 Python 项目，使用 UV 是当前性能更优的选择（比 pip 快 10-100 倍），可酌情替代 Conda。

最近更新:
Contributors: yangwenguang