Uw LangChain-omgeving instellen
Configureer uw ontwikkelomgeving en installeer de benodigde bibliotheken om met LangChain te bouwen en LLM's te integreren.
Uw LangChain-omgeving instellen is een gratis LangChain / RAG / vectordatabases-les op CoddyKit. Dit is les 1 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject LangChain / RAG / vectordatabases. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus LangChain / RAG / vectordatabases bevat in totaal 4 lessen.
Welkom bij de installatie van LangChain
Welkom in de boeiende wereld van LangChain! Dit krachtige framework helpt je bij het bouwen van toepassingen die worden aangedreven door grote taalmodellen (LLM's).
In deze les maken we je ontwikkelomgeving klaar. Zie het als het voorbereiden van je werkbank voordat je aan een nieuw project begint.
Waarom virtuele omgevingen?
Voordat je iets installeert, is het een goede gewoonte om een virtuele omgeving te gebruiken. Zo houd je de afhankelijkheden van je project gescheiden van die van andere Python-projecten op je computer.
- Voorkomt conflicten tussen verschillende projectversies.
- Maakt je project eenvoudig deelbaar en reproduceerbaar.
- Houdt je globale Python-installatie schoon.
Een virtuele omgeving maken
Je kunt een virtuele omgeving maken met de ingebouwde Python-module venv. Kies een beschrijvende naam, zoals langchain_env.
Voer deze opdracht uit in je terminal:
python -m venv langchain_envJe omgeving activeren
Nadat je de omgeving hebt gemaakt, moet je je virtuele omgeving activeren. Zo geef je je systeem opdracht de Python-versie en pakketten uit deze specifieke omgeving te gebruiken.
De opdracht is afhankelijk van je besturingssysteem:
- macOS/Linux:
source langchain_env/bin/activate - Windows:
.\langchain_env\Scripts\activate
LangChain Core installeren
Nu je omgeving actief is, installeren we de kernbibliotheek van LangChain. Dit pakket biedt de fundamentele bouwstenen voor het werken met LLM's.
Gebruik pip, het installatieprogramma voor Python-pakketten, om LangChain op te halen:
pip install langchainEen aanbieder van LLM's installeren
LangChain fungeert als interface voor verschillende aanbieders van LLM's, zoals OpenAI, Google en Anthropic. Je moet de specifieke bibliotheek installeren van de aanbieder die je wilt gebruiken.
In deze cursus gebruiken we vaak OpenAI als voorbeeld. Installeer de Python-client:
pip install openaiAPI-sleutels veilig beheren
Om met aanbieders van LLM's te communiceren, heb je een API-sleutel nodig. Zet API-sleutels nooit rechtstreeks in je code!
De veiligste manier is om ze in te stellen als omgevingsvariabelen. Voor OpenAI stel je doorgaans OPENAI_API_KEY in:
- macOS/Linux:
export OPENAI_API_KEY="your_key_here" - Windows (PowerShell):
$env:OPENAI_API_KEY="your_key_here"
Vervang your_key_here door je echte sleutel.
Je installatie controleren
Laten we een kort Python-script uitvoeren om te controleren of LangChain is geïnstalleerd en kan worden geïmporteerd. Het script doet nog geen beroep op een LLM, maar controleert alleen de installatie.
Probeer dit voorbeeld uit te voeren:
from langchain_core.prompts import ChatPromptTemplate
print("LangChain Core imported successfully!")
print("Your environment is ready!")Wat komt hierna in LangChain?
Goed gedaan! Je LangChain-omgeving is nu ingesteld. Je hebt de benodigde bibliotheken geïnstalleerd en de belangrijkste onderdelen gecontroleerd.
In de volgende les gaan we dieper in op het daadwerkelijke gebruik van LangChain om met LLM's te communiceren, met de nadruk op prompts en eenvoudige ketens.
Quiz over de installatie van de omgeving
Welke van de volgende opties zijn goede gewoonten bij het instellen van een nieuwe LangChain-projectomgeving?
Samenvatting: je start met LangChain
Je hebt je eerste LangChain-ontwikkelomgeving succesvol ingesteld!
- We hebben geleerd waarom virtuele omgevingen belangrijk zijn.
- Je hebt een speciale omgeving gemaakt en geactiveerd.
- Je hebt de LangChain-bibliotheek en een aanbieder van LLM's geïnstalleerd.
- Je hebt geleerd hoe je API-sleutels veilig beheert.
- Je hebt je installatie gecontroleerd met een eenvoudig Python-script.
Je bent nu klaar om geweldige toepassingen met LLM's te bouwen!
Leer LangChain / RAG / vectordatabases met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 12
- Lessen
- 48
Veelgestelde vragen
Is de les “Uw LangChain-omgeving instellen” gratis?
Ja — de volledige tekst van “Uw LangChain-omgeving instellen” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus LangChain / RAG / vectordatabases wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus LangChain / RAG / vectordatabases bevat in totaal 4 lessen.
Wat leer ik in “Uw LangChain-omgeving instellen”?
Configureer uw ontwikkelomgeving en installeer de benodigde bibliotheken om met LangChain te bouwen en LLM's te integreren. Je oefent met LangChain / RAG / vectordatabases door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met LangChain / RAG / vectordatabases te beginnen?
Ervaring vooraf is niet nodig. LangChain / RAG / vectordatabases op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 1 van 4.
Hoe lang duurt de les “Uw LangChain-omgeving instellen”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over LangChain / RAG / vectordatabases?
Ja. Elke les over LangChain / RAG / vectordatabases bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Uw LangChain-omgeving instellen
- Prompts, LLM's en basisketens
- Output-parsers en callbacks
- Geheugen en conversatiecontext in LangChain