LangChain 国内怎么用：账号、接口配置与 3 步验证

LangChain 是构建大模型应用的开发框架，可连接模型、工具与数据源；国内使用的关键通常不在框架本身，而在模型服务的账号、支付和接口地址。

截至 2026-11 抓取时，LangChain 官方 Python 文档已经以 create_agent 作为主要入口，JavaScript 仓库也给出了 npm、pnpm、yarn 三种安装方式。本文使用官方文档、官方仓库及服务商自己的操作页说明；下文标注“按官方口径推导”的内容属于基于这些材料的判断，不是官方承诺。

先分清：LangChain 本身不收钱

LangChain 是开源开发框架，下载安装不需要注册 LangChain 账号，也没有由 LangChain 统一收取的模型调用费。真正需要账号、密钥、余额或支付方式的是后端模型服务商。

这意味着网上所谓“国内使用 LangChain”，通常包含两层操作：

层次	要做什么	常见选择
开发框架	安装 LangChain，连接模型并运行测试	Python 版或 JavaScript 版
模型服务	注册账号、创建 API Key、确认余额和接口地址	国内模型服务、兼容接口的聚合服务、境外模型服务

官方 Python 文档明确把 LangChain 定位为可配置的 Agent 运行框架：Agent 由模型、提示词、工具和中间件组成，并支持 OpenAI、Anthropic、Google、OpenRouter、Ollama、Azure、AWS Bedrock 等模型或接入方式。官方 JavaScript 仓库则说明 LangChain.js 用于统一连接 Agent、模型、Embedding 和向量库。

因此，国内用户应先确定模型来源，再安装 SDK。不要把“LangChain 安装失败”和“模型接口不可访问”混成一个问题：前者通常是 Python、Node.js 或依赖问题，后者才与账号、密钥、余额和网络有关。

第 1 步：安装并确认运行环境

Python 路线适合先做最小验证；JavaScript 路线适合已经使用 TypeScript、Next.js 或 Node.js 的项目。先选一条，不要同时安装两套。

1. Python 路线执行官方文档给出的安装命令：

pip install -qU langchain "langchain[openai]"

2. JavaScript 路线在项目目录执行官方仓库给出的命令：

npm install -S langchain

3. 确认当前解释器或 Node.js 能找到刚安装的包。以下检查命令用于定位环境是否选错：

python -c "import langchain; print(langchain.__version__)"
node -e "console.log(require('langchain/package.json').version)"

若 Python 项目使用了虚拟环境，应先激活虚拟环境再执行 pip install，否则包装到全局环境，运行时仍可能提示找不到模块。官方仓库列出的 Node.js 环境为 20.x、22.x 和 24.x，也支持 Cloudflare Workers、Vercel、Next.js、Deno 与 Bun；普通用户选当前项目已经支持的版本即可。

选择依据很简单：已有 .py 或 Notebook 项目选 Python；已有 package.json、TypeScript 或 Next.js 项目选 JavaScript。两套 SDK 是不同包，导入路径和模型连接方式不完全相同，不能把 Python 示例直接复制到 Node.js 文件中。

第 2 步：准备账号、密钥与接口地址

如果只使用 Ollama 一类本地模型，可以连接本机服务，不需要云端账号。如果使用云端模型，则至少需要服务商的 API Key；还需要确认账户是否有余额、密钥是否启用，以及接口地址是否应使用服务商提供的 base_url。

以聚合服务 Ofox 的公开教程为例，它给出的 Python 配置使用 OpenAI 兼容接口，关键字段是模型名、base_url 和 api_key。Ofox 文档地址为 https://ofox.ai/zh/docs/develop，完整教程为 https://ofox.ai/zh/blog/langchain-ai-api-china-guide-2026/。

可按该服务页面提供的配置保存密钥，不要把真实密钥直接写进代码或提交到 Git 仓库：

export OFOX_API_KEY="你的 API Key"
export LLM_MODEL="anthropic/claude-sonnet-4.6"
export OPENAI_API_BASE="https://api.ofox.ai/v1"

随后创建 .env，内容与服务商教程给出的字段一致：

OFOX_API_KEY=your-ofox-api-key-here
LLM_MODEL=anthropic/claude-sonnet-4.6
OPENAI_API_BASE=https://api.ofox.ai/v1

API Key 属于访问凭证。账号注册、充值和密钥创建规则会随服务商调整，应以所选服务商自己的控制台和文档为准；本文不把某个聚合平台的操作等同于所有国内模型服务。另一个服务商 Apito 的公开教程明确写有“支付宝/微信充值”，其入口为 https://apito.ai；这只能说明该服务当时的支付方式，不能据此推断其他平台也支持相同方式。

海外模型服务还可能遇到地区、付款方式和访问限制。遇到限制时，可行的路线有三条：改用国内可正常注册和付款的模型服务；使用企业已在当地签约的云平台；或者通过 Azure、AWS Bedrock 等云服务使用其企业账户与合规部署。这里没有可靠的官方依据可以给出统一申请周期、免费额度或支付成功率，因此不应把某个代理教程中的短期经验写成固定规则。

第 3 步：运行最小调用并检查结果

先运行不涉及工具调用的普通对话，能更快区分“安装、密钥、接口”问题。Ofox 教程给出的调用方式如下：

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model=os.getenv("LLM_MODEL", "anthropic/claude-sonnet-4.6"),
    base_url=os.getenv("OPENAI_API_BASE", "https://api.ofox.ai/v1"),
    api_key=os.getenv("OFOX_API_KEY"),
)

response = llm.invoke("用一句话解释什么是 LangChain")
print(response.content)

如果使用 OpenAI 兼容接口但服务商给出的地址不同，只替换 OPENAI_API_BASE、模型名和密钥来源；base_url 必须与所选服务商文档完全一致，不能凭格式猜一个地址。

LangChain 官方当前文档还提供 Agent 示例，其依赖安装写法为：

pip install -qU langchain "langchain[openai]"

最小 Agent 的结构是 create_agent(model=..., tools=..., system_prompt=...)，再通过 agent.invoke() 传入消息。普通对话成功后再加工具，能把模型故障与工具 schema、参数解析问题分开。

卡住时按层排查，不要反复重装

国内使用最常见的误区，是把三个不同阶段混在一起：

现象	更可能卡在哪层	可执行处理
Python 提示找不到 langchain	Python 环境或虚拟环境	激活项目环境，再执行官方 pip install 命令
Node.js 无法解析 langchain	Node 版本、包管理器或工作目录	在包含 package.json 的目录执行 npm install -S langchain
代码能运行，但请求失败	密钥、账户余额、模型名或接口地址	逐项核对服务商控制台中的密钥、模型与 base_url
普通对话成功，Agent 失败	工具定义或消息结构	先恢复普通调用，再加入一个最简单的工具

官方仓库支持 Node.js 20.x、22.x 和 24.x。版本低于 20 时，先切换到项目支持的 Node.js 版本，再重新安装依赖；不要只删除 node_modules，因为版本不满足时重装不会解决兼容问题。

Python 导入失败时，先执行：

python -c "import sys; print(sys.executable)"
python -m pip show langchain

第一条用于确认实际使用的 Python，第二条用于确认包安装到了哪个解释器。两条输出指向不同环境时，应在项目解释器中重新执行官方安装命令，而不是继续修改业务代码。

网络方面，不要盲目同时开启多个代理。检查 HTTP_PROXY、HTTPS_PROXY 和 ALL_PROXY 是否指向当前可用地址；企业代理若要求证书，还需按企业 IT 指引配置信任证书。认证失败时先检查密钥是否复制完整、是否已启用、账户是否具备对应模型权限；余额不足或模型权限不足则只能在服务商控制台处理，修改 LangChain 参数无法绕过服务端权限。

怎么算已经跑通

最小调用成功应同时满足三个可观察结果：

1. python -c "import langchain; print(langchain.__version__)" 能输出版本号，而不是导入错误。
2. llm.invoke(...) 返回响应对象，print(response.content) 能打印非空的模型文本。
3. 把同一段代码放进 Agent 后，消息数组最后一条包含模型回复，且没有出现密钥、余额、模型名或接口地址错误。

只看到程序“启动了”不算成功。若代码进入了 except、打印空内容，或者 Agent 没有产生最终回复，都说明模型调用尚未完成。Python 官方说明、JavaScript 官方仓库和 LangChain Python changelog 可用于核对接口变化；遇到文档与当前代码不一致时，以已安装包的版本和官方变更记录交叉检查。

延伸：官方入口与问题反馈

Python 入门文档：https://python.langchain.com/docs/introduction/

JavaScript 官方仓库：https://github.com/langchain-ai/langchainjs/tree/main/libs/langchain/

LangChain 官方 GitHub 组织：https://github.com/langchain-ai

文档问题反馈入口：https://github.com/langchain-ai/docs/issues/new/choose

官方仓库的 README.md、CHANGELOG.md 和 package.json 分别说明使用方法、版本变化和运行环境。提交问题前，先记录 Python 或 Node.js 版本、LangChain 包版本、模型名、接口地址是否经过代理，以及最小复现代码；不要提交 API Key。按这些步骤排查后，可以把故障准确缩小到框架环境、账号凭证、模型权限或网络路径中的一层，而不是反复重装依赖。

参考来源

• LangChain 接入国内大模型 API：Claude、GPT、DeepSeek 完整配置教程（2026）
• Claude API + LangChain 快速搭建 AI 应用（2026 最新）| Claude API
• GitHub – JiyuShao/LangChain-Azure-OpenAI-Chinese-Guide · GitHub