搭建LangChain的开发环境
一、安装OllamaAI应用在加载离线大模型时用到了 Ollama 它的安装包比较大有1.8G左右AI应用的智能体开发必须安装Ollama。Ollama的下载页面为 https://ollama.com/download 但外网速度较慢下载很耗时建议访问博主提供的下载链接 https://www.alipan.com/s/gkea9rqEDTU 。下载回来的Ollama安装包叫做OllamaSetup.exe双击它即可安装至系统盘的默认目录。若想修改Ollama的安装路径就要打开命令行输入下面的安装命令以安装到E盘为例OllamaSetup.exe /DIR“E:\Program Files\Ollama”等待安装完毕在安装目录下会找到“ollama app.exe”和“ollama.exe”两个程序前者提供了可视化界面而后者用于命令行AI应用开发主要使用后者。另外需确保系统的PATH环境变量中能找到Ollama的安装目录例如“E:\Program Files\Ollama”。如果PATH环境变量不包含Ollama的安装目录则需手工添加该目录。二、下载离线大模型通过Ollama可以很方便地下载离线大模型比如在命令行窗口执行下面命令即可下载大模型qwen2:1.5bollama pull qwen2:1.5b不过下载回来的离线大模型默认放在系统盘的“C:\Users\你的用户名.ollama\models”目录下若想修改大模型的保存目录就要新建名叫OLLAMA_MODELS的环境变量并将变量值设为指定路径例如“F:\ollama_models”那么后续下载的大模型都会保存到新目录下。等待大模型下载完毕在命令行窗口执行下面命令即可启动Ollama并加载大模型ollama serve然后启动浏览器打开链接“http://localhost:11434/api/tags”观察是否返回json串有返回表示启动成功。比如下面返回的json串表示Ollama已加载大模型qwen2:1.5b{“models”: [{“name”: “qwen2:1.5b”,“model”: “qwen2:1.5b”,“modified_at”: “2026-05-03T17:29:06.902807408:00”,“size”: 934964102,“digest”: “f6daf2b25194025ae2d5288f2afd041997ce48116807a3b612c1a96b09bec03a”,“details”: {“parent_model”: “”,“format”: “gguf”,“family”: “qwen2”,“families”: [“qwen2”],“parameter_size”: “1.5B”,“quantization_level”: “Q4_0”}}]}三、安装LangChain在命令行窗口执行下面命令即可安装LangChain及其用到的Ollama插件pip install langchain langchain-core langchain-ollama在命令行窗口执行下面命令可查看当前三个LangChain的安装版本建议三个版本都不低于1.0pip show langchainpip show langchain-corepip show langchain-ollama然后编写Python测试代码如下由LangChain调用离线大模型qwen2:1.5b来回答问题from langchain_ollama import OllamaLLM连接本地离线大模型Ollamallm OllamaLLM(model“qwen2:1.5b”)提问response llm.invoke(“介绍一下人工智能”)print(response)运行上面的Python代码输出日志结果如下人工智能Artificial Intelligence简称AI是一种技术旨在构建计算机程序和系统来模拟人类智能。这些系统可以学习、推理、思考、判断、解决问题和自我优化并且能够完成复杂的任务如语音识别、图像处理、自然语言处理等。人工智能的研究领域包括机器学习、深度学习、强化学习和认知科学等。可见大模型正常输出回答内容即介绍了人工智能的概念及其应用领域正确执行的问答结果说明LangChain已经成功安装。

相关新闻

Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V3多模态功能实战:从文本到SVG图像生成

Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V3多模态功能实战:从文本到SVG图像生成

Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V3多模态功能实战:从文本到SVG图像生成 【免费下载链接】Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V3-GGUF 项目地址: https://ai.gitcode.com/hf_mirrors/LuffyTheFox/Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes…

2026/7/21 18:06:04 阅读更多 →
现代C++ JSON处理困局:如何用nlohmann/json征服跨平台桌面开发?

现代C++ JSON处理困局:如何用nlohmann/json征服跨平台桌面开发?

现代C JSON处理困局:如何用nlohmann/json征服跨平台桌面开发? 【免费下载链接】json JSON for Modern C 项目地址: https://gitcode.com/GitHub_Trending/js/json 还在为C桌面应用中的JSON处理而头疼吗?从Qt到wxWidgets,从…

2026/7/21 15:52:52 阅读更多 →
OptiMode应用矢量有限元法模拟表面等离子体激元

OptiMode应用矢量有限元法模拟表面等离子体激元

概述贵金属材料的较大负值介电常数可用于亚波长波导结构的设计。尤其是负介电常数使导模在金属和正值电介质材料之间存在一个单独的截面。这些表面等离子体激元(SPPs)在金属电介质界面具有电场强度极值,由于其对任意接近该表面的改变极其敏感通常可用于传感应用。利…

2026/7/21 18:06:07 阅读更多 →

最新新闻

视频创作版权避坑指南:音乐、字体与图片安全使用方案

视频创作版权避坑指南:音乐、字体与图片安全使用方案

1. 视频创作中的版权避坑指南最近帮几个做自媒体的朋友处理了几起版权投诉,发现很多内容创作者对视频中的音乐、字体、图片版权问题存在严重认知盲区。今天就用我处理过的实际案例,拆解这三个最容易踩雷的版权陷阱。2. 音乐版权:看不见的高压…

2026/7/22 4:39:33 阅读更多 →
从设计到交付:小礼文创沙盘模型定制的全流程解析

从设计到交付:小礼文创沙盘模型定制的全流程解析

沙盘模型定制的全流程解析:从设计构思到精准交付在企业形象展示、城市规划汇报或大型赛事活动中,沙盘模型定制往往是视觉呈现的核心环节。与标准化产品的批量采购不同,沙盘模型属于高度非标的定制品,其制作流程涵盖了数据采集、比…

2026/7/22 4:39:33 阅读更多 →
AI赋能n8n工作流:自然语言构建自动化流程

AI赋能n8n工作流:自然语言构建自动化流程

1. 为什么需要让AI真正"会搭n8n工作流"?在自动化工作流领域,n8n作为一款开源的节点式工作流自动化工具,已经成为了许多开发者和企业的首选。但真正阻碍n8n发挥最大价值的,往往不是工具本身的功能限制,而是构…

2026/7/22 4:39:33 阅读更多 →
LangChain入门:从零搭建DeepSeek开发环境

LangChain入门:从零搭建DeepSeek开发环境

前言 网上LangChain的教程不少,但要么是官方文档的翻译,要么上来就扔一堆概念。我看了不少,真正能让我从头跑到尾的没几个。 这篇文章记录了我自己从零开始搭建LangChain开发环境的过程,用的是DeepSeek的API。全程可复现&#x…

2026/7/22 4:39:33 阅读更多 →
CTF逆向工程自动化:Python实现常见加密算法识别与解密工具

CTF逆向工程自动化:Python实现常见加密算法识别与解密工具

1. 项目概述:为什么我们要自动化处理“烂大街”加密?在CTF逆向赛题里摸爬滚打几年,你会发现一个有趣的现象:很多题目看似复杂,外壳层层加壳,逻辑弯弯绕绕,但核心的加密算法,往往就那…

2026/7/22 4:39:33 阅读更多 →
YOLOv5在数据挖掘中的精度优化与工业实践

YOLOv5在数据挖掘中的精度优化与工业实践

1. YOLOv5在数据挖掘中的精度突破实践在计算机视觉与数据挖掘的交叉领域,目标检测技术正经历着从单纯识别到智能分析的范式转变。YOLOv5作为当前工业界最受欢迎的实时目标检测框架,其v6.1版本在COCO数据集上达到56.8% AP精度,同时保持140FPS的…

2026/7/22 4:38:33 阅读更多 →

日新闻

TI DSP系统配置模块SYSCFG详解:中断机制与主设备优先级配置实战

TI DSP系统配置模块SYSCFG详解:中断机制与主设备优先级配置实战

1. 项目概述与SYSCFG模块的核心价值在嵌入式系统,尤其是像TI C6000系列这样的高性能DSP开发中,我们常常会与芯片手册里那些密密麻麻的寄存器打交道。很多开发者可能更关注算法实现、内存优化或者外设驱动,但对于一个稳定、高效的系统而言&…

2026/7/22 0:00:26 阅读更多 →
微信Server酱:高到达率的应急通知方案实践

微信Server酱:高到达率的应急通知方案实践

1. 为什么我们需要"最次"的通知方案? 在数字化协作环境中,消息通知系统的重要性不言而喻明。但现实情况是,企业级通知方案往往需要复杂的API对接(如企业微信、钉钉、飞书),个人开发者的小项目又经…

2026/7/22 0:00:26 阅读更多 →
甲方要的“简洁“PPT,到底是简洁还是省事?

甲方要的“简洁“PPT,到底是简洁还是省事?

甲方说"简洁一点",乙方听到的是"少做几页"。甲方说"不要太复杂",乙方理解成"别放图表了"。结果交过去,甲方说"我说的简洁不是这个意思"。"简洁"这个词在PPT语境里,是…

2026/7/22 0:00:26 阅读更多 →

周新闻

Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/21 8:48:31 阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/21 5:34:47 阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/21 8:25:39 阅读更多 →

月新闻