LangChain 配置教程

更新日期：2026-06-06

LangChain 是最常用的 LLM 应用开发框架之一，适合做聊天接口封装、提示词链、工具调用、RAG、代理式工作流和应用级编排。对接 Crazyrouter 时，最稳妥的方式是走 LangChain 官方支持的 OpenAI 兼容组件。

概览

通过 LangChain 的 OpenAI 组件，你可以把请求发到 Crazyrouter：

推荐协议：OpenAI-compatible API
Base URL：https://api.crazyrouter.com/v1
认证变量：OPENAI_API_KEY
Python 主包：langchain-openai
JavaScript / TypeScript 主包：@langchain/openai

如果你准备把 Crazyrouter 接进自己的应用代码，而不是只在桌面客户端里聊天，LangChain 通常是最自然的一条工程化接入路径。

适合谁用

想在 Python 或 Node.js 项目里正式集成 Crazyrouter 的开发者
想做提示词链、RAG、工具调用、工作流编排的人
想把模型调用逻辑统一抽象，不想直接手写底层 HTTP 请求的人
想保留后续切换模型或切换上游灵活性的人

使用协议

推荐协议：OpenAI-compatible API Crazyrouter 对应核心配置：

OPENAI_API_KEY=sk-xxx
BASE_URL=https://api.crazyrouter.com/v1

在 LangChain 里对应写法通常是：

Python：api_key + base_url
JavaScript / TypeScript：apiKey + configuration.baseURL

系统要求与前置条件

项目	说明
Crazyrouter 账号	先在 crazyrouter.com 注册
Crazyrouter token	建议为 LangChain 项目单独创建一个 token
Python	建议 `Python 3.10+`
Node.js	建议 `Node.js 18+`
LangChain 包	Python 用 `langchain-openai`；JS / TS 用 `@langchain/openai`
可用模型	至少放行 1 个聊天模型；若要做向量检索，还要放行 embedding 模型

建议初始白名单：

gpt-5.5
claude-opus-4-8
gemini-3.1-pro
text-embedding-3-large

Python 项目完整接入路径

Windows 推荐路径

py -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -U pip
pip install -U langchain-openai langchain-community
python --version
pip --version

如果你要跑 FAISS 示例，再补：

pip install faiss-cpu

macOS / Linux 推荐路径

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -U pip
pip install -U langchain-openai langchain-community
python --version
pip --version

如果你要跑 FAISS 示例，再补：

pip install faiss-cpu

JavaScript / TypeScript 项目完整接入路径

Windows PowerShell

npm init -y
npm install @langchain/openai @langchain/core
node -v
npm -v

macOS / Linux

npm init -y
npm install @langchain/openai @langchain/core
node -v
npm -v

从零开始完整配置

第 1 步：在 Crazyrouter 创建 LangChain 专用 token

第一次只建议放行：

gpt-5.5
claude-opus-4-8
text-embedding-3-large

如果你后续要补更多模型，再按需求扩展，但第一次先坚持最小白名单。

第 2 步：先设置环境变量

macOS / Linux
Windows PowerShell

export OPENAI_API_KEY=sk-xxx
echo $OPENAI_API_KEY

$env:OPENAI_API_KEY = "sk-xxx"
echo $env:OPENAI_API_KEY

如果你打算长期开发，再做持久化：

Linux Bash
macOS / Zsh
Windows PowerShell

echo 'export OPENAI_API_KEY=sk-xxx' >> ~/.bashrc
source ~/.bashrc

echo 'export OPENAI_API_KEY=sk-xxx' >> ~/.zshrc
source ~/.zshrc

[System.Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "sk-xxx", "User")
$env:OPENAI_API_KEY = "sk-xxx"

第 3 步：完成 Python 最小聊天验证

新建一个 test_langchain_chat.py：

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.5",
    api_key="sk-xxx",
    base_url="https://api.crazyrouter.com/v1",
    temperature=0,
)

response = llm.invoke("Reply only OK")
print(response.content)

运行：

python test_langchain_chat.py

第 4 步：改成环境变量版本

跑通后，建议不要把 key 硬编码在代码里：

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.5",
    api_key=os.environ["OPENAI_API_KEY"],
    base_url="https://api.crazyrouter.com/v1",
    temperature=0,
)

第 5 步：完成 JavaScript / TypeScript 最小聊天验证

新建 test-langchain-chat.mjs：

import { ChatOpenAI } from "@langchain/openai";

const llm = new ChatOpenAI({
  model: "gpt-5.5",
  apiKey: process.env.OPENAI_API_KEY,
  configuration: {
    baseURL: "https://api.crazyrouter.com/v1",
  },
  temperature: 0,
});

const response = await llm.invoke("Reply only OK");
console.log(response.content);

运行：

node test-langchain-chat.mjs

第 6 步：再逐步增加 Embeddings、Prompt、RAG

不建议一开始就直接上复杂链路。推荐顺序：

先跑通单轮聊天
再跑 Prompt + Output Parser
再接 Embeddings
最后再做 RAG 或 Agent

Python 示例

最小聊天示例

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.5",
    api_key="sk-xxx",
    base_url="https://api.crazyrouter.com/v1",
    temperature=0.7,
)

response = llm.invoke("什么是 LangChain？")
print(response.content)

Embeddings 示例

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(
    model="text-embedding-3-large",
    api_key="sk-xxx",
    base_url="https://api.crazyrouter.com/v1",
)

vectors = embeddings.embed_documents(["文本一", "文本二"])
print(len(vectors), len(vectors[0]))

Prompt 链示例

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

llm = ChatOpenAI(
    model="gpt-5.5",
    api_key="sk-xxx",
    base_url="https://api.crazyrouter.com/v1",
)

prompt = ChatPromptTemplate.from_template("用简单的语言解释 {topic}")
chain = prompt | llm | StrOutputParser()

result = chain.invoke({"topic": "量子计算"})
print(result)

RAG 最小示例

from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_community.vectorstores import FAISS
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

llm = ChatOpenAI(
    model="gpt-5.5",
    api_key="sk-xxx",
    base_url="https://api.crazyrouter.com/v1",
)

embeddings = OpenAIEmbeddings(
    model="text-embedding-3-large",
    api_key="sk-xxx",
    base_url="https://api.crazyrouter.com/v1",
)

texts = [
    "Crazyrouter 支持多种 AI 模型协议",
    "Crazyrouter 支持 OpenAI 兼容调用方式",
]

vectorstore = FAISS.from_texts(texts, embeddings)
retriever = vectorstore.as_retriever()

prompt = ChatPromptTemplate.from_template(
    "根据以下上下文回答问题：\n{context}\n\n问题：{question}"
)

chain = {"context": retriever, "question": RunnablePassthrough()} | prompt | llm

result = chain.invoke("Crazyrouter 适合用什么协议接 LangChain？")
print(result.content)

JavaScript / TypeScript 示例

最小聊天示例

import { ChatOpenAI } from "@langchain/openai";

const llm = new ChatOpenAI({
  model: "gpt-5.5",
  apiKey: process.env.OPENAI_API_KEY,
  configuration: {
    baseURL: "https://api.crazyrouter.com/v1",
  },
  temperature: 0,
});

const response = await llm.invoke("你好");
console.log(response.content);

使用场景	推荐模型	原因
首轮链路验证	`gpt-5.5`	2026 年 3 月 23 日已在生产环境实测成功，最适合先确认 LangChain 与 Crazyrouter 已连通
高质量长文与复杂链路	`claude-opus-4-8`	适合复杂解释、总结与较重推理任务
Gemini 备用档	`gemini-3.1-pro`	适合作为第二条兼容性验证路径
向量检索	`text-embedding-3-large`	适合先做 embedding 基线验证

Token 设置最佳实践

设置	建议	说明
专用 token	必须	LangChain 项目不要和桌面客户端共用 token
模型白名单	强烈建议	先只放行聊天模型 + embedding 模型
配额上限	强烈建议	链式调用、RAG、Agent 会放大消耗
环境隔离	建议	dev / staging / production 分开 token
泄露处理	立即轮换	不要把 key 提交到 Git；泄露后立即换 key

验证清单

Python 或 Node.js 运行环境已就绪
OPENAI_API_KEY 已正确设置
langchain-openai 或 @langchain/openai 已安装
聊天模型已设置 base_url / baseURL 为 https://api.crazyrouter.com/v1
第一条 Reply only OK 请求成功返回
Crazyrouter 后台日志能看到对应请求
若使用 embeddings，embedding 模型也已放行
若使用 RAG，先在最小文本集上完成验证

常见错误与修复

现象	常见原因	修复方式
401 unauthorized	`OPENAI_API_KEY` 错误、过期或复制错误	重新生成 token 并重新设置环境变量
404	`base_url` / `baseURL` 写错或漏了 `/v1`	改成 `https://api.crazyrouter.com/v1`
`model not found`	模型名写错或 token 未放行	改回 `gpt-5.5` 等已确认模型并检查白名单
embeddings 报错	忘了放行 embedding 模型	给 token 增加 `text-embedding-3-large`
RAG 跑不起来	一上来就接了太多组件	先回退到单轮聊天，再逐层增加
消耗过快	链式调用、检索、多轮 Agent 叠加	先缩小链路，并单独控制 token 配额

FAQ

LangChain 接 Crazyrouter 应该走什么协议？

优先走 OpenAI 兼容协议。

Base URL 应该填什么？

填 https://api.crazyrouter.com/v1。

Python 里应该用哪个包？

优先用 langchain-openai。

JavaScript / TypeScript 里应该用哪个包？

优先用 @langchain/openai。

第一次为什么不建议直接上 Agent 或大规模 RAG？

因为 LangChain 链路一旦复杂，排障成本会显著上升。先跑通最小聊天，再逐层增加组件，最稳。

如果你准备把 Crazyrouter 正式接入自己的应用工程，LangChain 仍然是最值得优先补齐的开发框架文档之一。

API Key & 控制台管理

SDK & 代码示例

第三方集成

LangChain 配置教程

概览

适合谁用

使用协议

系统要求与前置条件

Python 项目完整接入路径

Windows 推荐路径

macOS / Linux 推荐路径

JavaScript / TypeScript 项目完整接入路径

Windows PowerShell

macOS / Linux

从零开始完整配置

Python 示例

最小聊天示例

Embeddings 示例

Prompt 链示例

RAG 最小示例

JavaScript / TypeScript 示例

最小聊天示例

推荐模型配置

Token 设置最佳实践

验证清单

常见错误与修复

FAQ

LangChain 接 Crazyrouter 应该走什么协议？

Base URL 应该填什么？

Python 里应该用哪个包？

JavaScript / TypeScript 里应该用哪个包？

第一次为什么不建议直接上 Agent 或大规模 RAG？

​概览

​适合谁用

​使用协议

​系统要求与前置条件

​Python 项目完整接入路径

​Windows 推荐路径

​macOS / Linux 推荐路径

​JavaScript / TypeScript 项目完整接入路径

​Windows PowerShell

​macOS / Linux

​从零开始完整配置

​Python 示例

​最小聊天示例

​Embeddings 示例

​Prompt 链示例

​RAG 最小示例

​JavaScript / TypeScript 示例

​最小聊天示例

​推荐模型配置

​Token 设置最佳实践

​验证清单

​常见错误与修复

​FAQ

​LangChain 接 Crazyrouter 应该走什么协议？

​Base URL 应该填什么？

​Python 里应该用哪个包？

​JavaScript / TypeScript 里应该用哪个包？

​第一次为什么不建议直接上 Agent 或大规模 RAG？

概览

适合谁用

使用协议

系统要求与前置条件

Python 项目完整接入路径

Windows 推荐路径

macOS / Linux 推荐路径

JavaScript / TypeScript 项目完整接入路径

Windows PowerShell

macOS / Linux

从零开始完整配置

Python 示例

最小聊天示例

Embeddings 示例

Prompt 链示例

RAG 最小示例

JavaScript / TypeScript 示例

最小聊天示例

推荐模型配置

Token 设置最佳实践

验证清单

常见错误与修复

FAQ

LangChain 接 Crazyrouter 应该走什么协议？

Base URL 应该填什么？

Python 里应该用哪个包？

JavaScript / TypeScript 里应该用哪个包？

第一次为什么不建议直接上 Agent 或大规模 RAG？