2025年6月使用LangChain打造上下文感知的AI应用（附完整代码）

随着大语言模型（LLM）的迅猛发展，构建“上下文感知”的智能应用成为AI开发者的核心需求。LangChain，作为连接大模型与现实世界的数据、工具和流程的桥梁，已成为打造复杂AI系统的首选框架。本文将手把手教你如何在2025年6月使用最新版LangChain，构建一个支持上下文记忆、多轮对话、知识检索的智能问答应用，并附完整可运行Python代码。

一、LangChain 能做什么？

LangChain 是一个用于构建语言模型驱动应用的开源框架，尤其适合以下场景：

记住用户上下文的聊天机器人
基于PDF、数据库、网页内容进行智能问答
自动化工具组合（如搜索、调用函数等）
和向量数据库（如FAISS、Chroma）集成的知识应用

二、项目目标与实现思路

我们将构建一个具备以下能力的AI应用：

使用 GPT-4 作为语言模型
支持多轮对话上下文记忆
加入自定义知识库（如文本或文档内容）
用户每次提问，AI参考历史内容并回答问题

三、环境准备

pip install langchain openai chromadb tiktoken

你还需要一个 OpenAI API Key（在 https://platform.openai.com 申请）。

四、完整代码示例（上下文感知对话）

from langchain.chat_models import ChatOpenAI
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain.schema import HumanMessage, AIMessage
import os

# 设置 OpenAI API Key
os.environ["OPENAI_API_KEY"] = "你的API密钥"

# 初始化模型
llm = ChatOpenAI(model="gpt-4", temperature=0.5)

# 初始化上下文记忆（可替换为更高级的内存模块）
memory = ConversationBufferMemory(return_messages=True)

# 构建对话链
conversation = ConversationChain(
    llm=llm,
    memory=memory,
    verbose=True
)

# 模拟聊天交互
if __name__ == "__main__":
    print("欢迎使用LangChain对话AI，输入 'exit' 退出。")
    while True:
        user_input = input("你：")
        if user_input.lower() in ['exit', '退出']:
            break
        response = conversation.predict(input=user_input)
        print("AI：", response)

五、让AI具备“知识记忆”：集成知识库（RAG）

你可以扩展该应用，让它在回答问题时引用公司资料、PDF、网页等内容。示例：

from langchain.vectorstores import Chroma
from langchain.embeddings import OpenAIEmbeddings
from langchain.document_loaders import TextLoader
from langchain.chains import RetrievalQA

# 加载本地知识文档
loader = TextLoader("faq.txt")  # 假设存放常见问题
docs = loader.load()

# 文档向量化
embeddings = OpenAIEmbeddings()
db = Chroma.from_documents(docs, embedding=embeddings)

# 检索增强型问答链（RAG）
qa_chain = RetrievalQA.from_chain_type(
    llm=llm,
    retriever=db.as_retriever(),
    return_source_documents=True
)

# 示例调用
query = "贵公司支持退款吗？"
result = qa_chain.run(query)
print("AI（基于知识库）：", result)