一、简介
LangChain 是一个用于开发基于语言模型的应用程序的强大框架。通过集成 MixRoute，可在 LangChain 中灵活调用各类主流 AI 模型。二、快速开始
1. 安装依赖
pip install langchain langchain-openai
2. 基础配置
import os
from langchain_openai import ChatOpenAI
os.environ["OPENAI_API_KEY"] = "您的 MMixRoute API 密钥"
os.environ["OPENAI_BASE_URL"] = "https://api.mixroute.ai/v1"
llm = ChatOpenAI(
model="gpt-5.5",
temperature=0.7
)
三、核心功能
1. 基础对话
from langchain.schema import HumanMessage, SystemMessage
messages = [
SystemMessage(content="你是一个有帮助的助手"),
HumanMessage(content="介绍一下 Python 的主要特点")
]
response = llm.invoke(messages)
print(response.content)
2. 对话链（带记忆）
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain
memory = ConversationBufferMemory()
conversation = ConversationChain(llm=llm, memory=memory, verbose=True)
conversation.predict(input="我想学习机器学习")
conversation.predict(input="推荐一些入门资源")
3. 文档问答系统（RAG）
from langchain.document_loaders import TextLoader
from langchain.text_splitter import CharacterTextSplitter
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import FAISS
from langchain.chains import RetrievalQA
embeddings = OpenAIEmbeddings(
api_key="您的 Mixroute Api 密钥",
base_url="https://api.mixroute.ai/v1"
)
loader = TextLoader("document.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
texts = text_splitter.split_documents(documents)
vectorstore = FAISS.from_documents(texts, embeddings)
qa = RetrievalQA.from_chain_type(
llm=llm,
chain_type="stuff",
retriever=vectorstore.as_retriever()
)
result = qa.run("文档中的关键概念是什么？")
四、模型切换
gpt4 = ChatOpenAI(
model="gpt-5.5",
api_key="您的 Mixroute Api 密钥",
base_url="https://api.mixroute.ai/v1"
)
claude = ChatOpenAI(
model="claude-opus-4-8",
api_key="您的 Mixroute Api 密钥",
base_url="https://api.mixroute.ai/v1"
)