登录/注册

2026年LangChain 模型API接入 教程：从API Key配置到对话链调用步骤

专家视角晚风过境手记
2026年LangChain 模型API接入 教程：从API Key配置到对话链调用步骤 2026年LangChain 模型API接入 教程：从API Key配置到对话链调用步骤 LangChain 接模型的坑，大多不在链本身，而在第一步：API Key、Base URL、模型名称只要有一个对不上，后面写多漂亮的链都会报 401 或 404。 这篇教程按顺序走一遍完整流程：准备凭据、安装依赖、跑通最小调用，再搭一条带提示词模板的对话链，

2026年LangChain 模型API接入 教程：从API Key配置到对话链调用步骤

2026年LangChain 模型API接入 教程：从API Key配置到对话链调用步骤

LangChain 接模型的坑，大多不在链本身，而在第一步：API Key、Base URL、模型名称只要有一个对不上，后面写多漂亮的链都会报 401 或 404。

这篇教程按顺序走一遍完整流程：准备凭据、安装依赖、跑通最小调用，再搭一条带提示词模板的对话链，最后给出常见报错的排查顺序。 全程只需要改动三个配置项，链的写法不用重写。

接入前要准备的三个配置项

LangChain 的模型层负责“怎么连”，链负责“怎么用”。先把连接部分固定下来，后面调试会轻松很多。需要准备的三样东西是：API Key、Base URL、模型名称。三者缺一不可，而且必须来自同一个服务入口。

配置项作用检查方法
API Key身份凭据，决定能调用哪些模型和额度在控制台创建后立刻复制保存，检查是否带多余空格
Base URL请求地址，决定请求发往哪个接口入口以控制台或文档给出的地址为准，注意是否包含 /v1
模型名称指定实际调用的模型，写错会直接 404对照模型广场中显示的完整名称逐字复制

如果你打算同时调用多个厂商的模型，可以把 API Key 和 Base URL 都指向同一个入口。通联AI中转站 提供 OpenAI 兼容接口方向，控制台会给出 Base URL、可用模型名称和文档入口。填写时请以控制台显示的内容为准，不要照抄网上流传的示例地址。

第一步到第三步：装依赖、配环境变量、跑通最小调用

第一步：安装依赖

pip install -U langchain langchain-openai

如果你的项目需要接 Anthropic 协议方向的模型，再额外安装对应的集成包即可，核心思路一致。

第二步：把凭据放进环境变量

不要把 Key 硬编码进代码，也不要提交到 Git 仓库。

export TOKEN88_API_KEY='控制台创建的 API Key'
export TOKEN88_BASE_URL='控制台显示的 Base URL'

第三步：跑通最小调用

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model='控制台中显示的模型名称',
    api_key=os.getenv('TOKEN88_API_KEY'),
    base_url=os.getenv('TOKEN88_BASE_URL'),
    temperature=0.7,
)

print(llm.invoke('用一句话说明什么是 API 中转站').content)

这一步能打印出内容，说明凭据、地址、模型名三件套都对了。如果报错，先不要在链里找问题，回到这一层逐个排除。

第四步：用提示词模板搭一条对话链

LangChain 现在的推荐写法是 LCEL，用竖线把组件串起来：提示词模板 | 模型 | 输出解析器。这样每一段都可以单独替换和测试。

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

prompt = ChatPromptTemplate.from_messages([
    ('system', '你是一名中文技术文档编辑，回答要具体、可执行。'),
    ('human', '{question}'),
])

chain = prompt | llm | StrOutputParser()
print(chain.invoke({'question': 'LangChain 里 Base URL 配错会报什么错？'}))

给对话链加上多轮记忆

单轮链只适合一次性任务。要做多轮对话，需要把历史消息注入提示词模板。注意历史越长，输入 token 越多，成本也随之上升。

from langchain_core.prompts import MessagesPlaceholder

chat_prompt = ChatPromptTemplate.from_messages([
    ('system', '你是一名耐心的技术支持工程师。'),
    MessagesPlaceholder('history'),
    ('human', '{question}'),
])

chat_chain = chat_prompt | llm | StrOutputParser()
result = chat_chain.invoke({
    'history': [('human', '我在用 LangChain 接模型。'), ('ai', '好的，请说具体问题。')],
    'question': '调用一直返回 401，怎么排查？',
})

如果希望长期保存会话，可以把 history 换成从数据库或 Redis 读取的消息列表，链的写法不用改。这也是把连接层和逻辑层分开的价值。

常见报错与排查顺序

  • 401 / 403：Key 错误、Key 被禁用或额度不足。先确认环境变量是否真的加载成功，再确认 Key 前后有没有空格。
  • 404 / model not found：模型名称写错，或 Base URL 少了或多了一段路径。两边都要按控制台显示的内容核对。
  • 连接超时：网络或代理配置问题，也可能是单次请求过长。先换成最短的测试请求验证连通性。
  • 参数不支持：不同模型对 temperature、最大输出长度等参数的支持范围不同，遇到报错先去掉非必需参数再逐个加回。
  • 中文乱码或流式输出中断：输出解析器和流式设置不匹配，检查是否同时用了流式与结构化解析。

排查原则：先验证连接层（Key、Base URL、模型名），再验证单次调用，最后才怀疑链的组合方式。顺序颠倒会浪费大量时间在无关代码上。

上线前还要确认什么

跑通不等于可以上线。至少还要确认四件事：一是超时与重试策略，避免一次失败引发大量重复请求；二是最大输出长度限制，防止意外产生超长输出；三是日志里不要记录完整 Key 和用户敏感内容；四是统计用量，知道每条业务线大概消耗多少额度。

当模型数量变多之后，逐个维护 API Key 和地址会越来越麻烦。通联AI中转站 的做法是提供统一入口与多模型选择，Base URL、模型名称、协议兼容方向和调用文档都在控制台和模型广场里查看，适合需要在同一套 LangChain 代码里切换不同模型的场景。实际支持范围与命名规则请以官网页面显示为准。

连接层已经跑通，接下来就是把 Key 和 Base URL 换成自己的。到通联注册后获取 API Key、确认 Base URL 与模型名称，用本文的最小调用代码做一次验证，再往对话链上扩展。

注册通联AI中转站，获取 API Key 开始接入

专家视角

相关资讯