LangChain 官方快速入门示例在普通 Python 脚本中执行时不会自动打印响应，需显式调用 print() 输出 invoke() 返回的 BaseMessage 对象或其 .content 属性。
langchain 官方快速入门示例在普通 python 脚本中执行时不会自动打印响应，需显式调用 `print()` 输出 `invoke()` 返回的 `basemessage` 对象或其 `.content` 属性。
LangChain 的 Quickstart 教程 默认面向 Jupyter Notebook 环境设计——在 Notebook 中，最后一行表达式的返回值会自动渲染显示；但在标准 .py 脚本中，llm.invoke(...) 的返回值仅被计算并丢弃，不会自动输出到控制台，因此你“看不到任何响应”。
✅ 正确运行步骤（适用于 .py 文件）
-
确保环境配置正确：安装必要依赖，并设置 OpenAI API Key
pip install langchain-openai python-dotenv
在项目根目录创建 .env 文件：
OPENAI_API_KEY=sk-...
-
编写完整可执行脚本（注意：必须显式打印）：
import os from langchain_openai import ChatOpenAI from dotenv import load_dotenv load_dotenv() api_key = os.getenv("OPENAI_API_KEY") llm = ChatOpenAI(model="gpt-3.5-turbo", openai_api_key=api_key) # ✅ 关键：将 invoke 结果赋值并显式打印 response = llm.invoke("how can LangSmith help with testing?") print("完整响应对象：") print(response) # 输出 BaseMessage 实例（含 role, content, additional_kwargs 等） print("\n纯文本内容：") print(response.content) # 推荐：直接获取字符串形式的回答
⚠️ 常见注意事项
- ChatOpenAI 默认使用 gpt-3.5-turbo，若 API Key 权限受限或模型不可用，可显式指定 model="gpt-4o" 或检查 OpenAI 平台配额；
- response 是 langchain_core.messages.BaseMessage 的子类实例（如 AIMessage），其核心文本内容始终位于 .content 属性中；
- 若遇到 AuthenticationError，请确认 .env 文件路径正确（load_dotenv() 默认加载当前目录下的 .env），或改用绝对路径：load_dotenv(".env")；
- 不建议跳过官方文档——它持续更新且覆盖最新 v0.1+ API；可搭配 LangChain Cookbook 和 LangChain Tutorials GitHub 实战练习。
掌握这一基础模式后，后续链式调用（RunnableSequence）、提示模板（ChatPromptTemplate）和 RAG 示例均可依此逻辑调试输出，避免“静默执行”带来的困惑。
