环境配置

环境

搭建一套**“VS Code + Anaconda”**的组合。

• Anaconda：是大脑（包含Python解释器和各种AI库）。

• VS Code：是操作台（写代码的界面）。

下载：

• 请访问 Anaconda 官网下载页面：Anaconda Free Download

• 如果你觉得官网下载慢，可以用清华大学镜像源（国内推荐）：清华镜像-Anaconda下载
  ![[Pasted image 20260121210015.png]]选择anaconda3的下载。
  ![[Pasted image 20260121214120.png]]

VS Code。

• 点击左侧边栏的 方块图标 (Extensions)。

• 搜索 Python。

• 找到 Python (Microsoft) 发布的那个插件

API Key

• 访问 DeepSeek 开放平台。

• 注册/登录。

• 点击左侧 API keys -> 创建 API Key。

• 复制那个 sk- 开头的字符串，找个微信或者记事本先存好。

安装 OpenAI 库

虽然我们要调用 DeepSeek，但因为它是兼容 OpenAI 协议的，所以我们通过安装 openai 这个标准库来控制它。

在 VS Code 顶部菜单栏，点击 **Terminal (终端)** -> **New Terminal (新建终端)**

pip install openai

编写测试代码

from openai import OpenAI
import sys

print("正在尝试呼叫 DeepSeek...")

# 1. 配置客户端
client = OpenAI(
    # 👇 这里必须替换成你刚才在 DeepSeek 官网申请的 sk- 开头的密钥
    api_key="你的API Key填在这里", 
    base_url="https://api.deepseek.com"
)

try:
    # 2. 发送请求
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": "你是一个资深的Python面试官"},
            {"role": "user", "content": "你好，我是24届计算机科班生，请用简短的一句话告诉我，为什么我现在开始学AI应用开发还不晚？"}
        ],
        stream=False
    )

    # 3. 打印结果
    print("\n" + "="*30)
    print("🤖 DeepSeek 回复：")
    print(response.choices[0].message.content)
    print("="*30 + "\n")
    print("✅ 恭喜！你的环境和 API 通路全部打通！")

except Exception as e:
    print(f"\n❌ 出错了：{e}")
    print("如果是 'Authentication failed'，请检查 API Key 是否填对。")

错误解决

1. 选择base anaconda的python
   ![[Pasted image 20260121215808.png]]
2. api没充值
   ![[Pasted image 20260121215841.png]]

成功运行

![[Pasted image 20260121215949.png]]

安装 LangChain

可以把 Prompt、大模型、数据库自动串联起来。

pip install langchain langchain-openai langchain-community

• langchain: 核心框架。

• langchain-openai: 用来连接 DeepSeek（因为兼容 OpenAI 协议）。

• langchain-community: 包含一些常用的工具组件。

写出第一个 Chain (链)

提示词模板 (Prompt Template) + 大模型 (LLM) = 链 (Chain)

from langchain_openai import ChatOpenAI # 导入 LangChain 的 OpenAI 聊天模型

from langchain_core.prompts import ChatPromptTemplate # 导入 LangChain 的聊天提示模板

from langchain_core.output_parsers import StrOutputParser # 导入 LangChain 的字符串输出解析器

  

print("🚀 正在呼叫 DeepSeek...")

  

# 1.定义大模型（LLM）指向 DeepSeek

llm = ChatOpenAI(

    model="deepseek-chat",

    openai_api_key="你的 API Key",

    base_url="https://api.deepseek.com",

    temperature=0.7, # 控制生成内容的随机性，0.7 是一个适中的值

)

  

# 2.定义提示词模板（prompt template）

# 这里我们做一个 "程序员黑话翻译器"，把普通话翻译成这种 408 科班风格的黑话

prompt = ChatPromptTemplate.from_template(

    "你是一个资深的计算机老鸟。请把用户输入的这句话，用这种风格重写：包含'底层逻辑'、'颗粒度'、'解耦'、'复用'等互联网黑话。\n\n用户输入：{text}"

)

  

# 3.定义输出解析器（让结果只返回字符串，不要乱七八糟的元数据）

output_parser = StrOutputParser()

  

# 4.组合成一个链（chain）

# 这里的 | 符号就是 LangChain 的精髓，像流水线一样把步骤串起来

chain = prompt | llm | output_parser #  prompt的输出丢给llm，然后llm丢给output_parser

  

# 5.运行链

try:

    user_input = "我觉得刚才那个 DeepSeek 的回复很有道理，我要努力学习。"

    print(f"\n👨‍💻 用户输入：{user_input}\n")

  

    print("⏳ 正在生成中，请稍候...\n")

    response = chain.invoke({"text": user_input})# 运行链，传入用户输入

  

    # 打印结果

    print("\n" + "="*30) # 分割线

    print("🤖 DeepSeek 回复：")

    print("="*30 + "\n")

    print("\n✅ LangChain 调用成功！下一步我们搞数据库！")

  

except Exception as e:

    print(f"\n❌ 出错了：{e}")

    print("💡 提示：如果是 'Authentication failed'，请检查 Key 是否粘错了。")

![[Pasted image 20260121230536.png]]
Python 环境、Key 的权限、以及 LangChain 的调用链路（Chain）全都是通的