1. uv 是什么

uv 是由 Astral 团队开发的 Python 项目和包管理工具。它把 Python 版本、虚拟环境、依赖安装和项目运行这些原本分散的步骤，放进一套统一的命令中。

在 LangChain Python 项目里，uv 主要负责四件事：

• 安装并切换 Python 版本；
• 为项目创建隔离的虚拟环境；
• 声明、安装和锁定项目依赖；
• 在项目环境中运行 Python 命令。

我们可以利用 uv 帮助我们把 Python 项目准备好。后面的文章会在 FastAPI 提供的 HTTP 服务基础上接入 LangChain，并使用 DeepSeek V4 Flash 运行模型和 Agent 案例。

2. 安装 uv

macOS 或 Linux 在终端执行官方安装脚本

1
curl -LsSf https://astral.sh/uv/install.sh | sh

安装完成后，重新打开终端，或者按照安装程序的提示重新加载当前 shell 的环境变量。

Windows 系统在 PowerShell 中执行：

1
irm https://astral.sh/uv/install.ps1 | iex

3. 验证安装

执行下面的命令查看 uv 是否已经加入当前终端的 PATH：

1
uv --version

看到版本号就说明安装成功。如果终端提示找不到 uv，先重新打开终端；仍然无法找到时，再检查安装程序输出的目录是否已经加入 PATH。

4. 初始化第一个 FastAPI + LangChain 项目

这里不把 LangChain 当成一个脱离服务端的脚本来运行，而是先创建一个 FastAPI 项目，再把 LangChain 的模型和 Agent 逻辑放进接口中。

uv init 会创建项目目录、pyproject.toml 和基础的 Python 文件：

1
uv init fastapi-langchain
2
cd fastapi-langchain

为项目安装一个明确的 Python 版本：

1
uv python install 3.12

然后用这个版本创建虚拟环境：

1
uv venv --python 3.12

在 macOS 或 Linux 中，如果希望显式激活虚拟环境，可以执行：

1
source .venv/bin/activate

Windows PowerShell 对应的命令是：

1
.venv\Scripts\Activate.ps1

激活不是必须的。后续使用 uv run 执行命令时，uv 会自动选择当前项目的虚拟环境：

1
uv run python --version

5. 安装 FastAPI 和 LangChain 依赖

FastAPI 负责 HTTP 路由、请求校验和响应；FastAPI CLI 会调用 Uvicorn 启动 ASGI 服务；LangChain 则负责模型调用和 Agent 编排。把它们安装在同一个项目中，才能形成后续案例使用的完整运行骨架：

1
uv add "fastapi[standard]" langchain langchain-openai

uv add 会更新 pyproject.toml，并生成或更新 uv.lock。其中 pyproject.toml 声明项目需要哪些依赖，uv.lock 记录具体解析出的版本，方便其他人恢复一致的开发环境。

安装完成后，用项目环境执行导入检查：

1
uv run python -c 'import fastapi, langchain, langchain_openai; print(fastapi.__version__, langchain.__version__)'

6. 写下第一个 FastAPI 接口

在项目根目录创建 main.py。这个接口接收用户问题，再把问题交给 LangChain Agent，最后将 Agent 的消息结果转换成 JSON：

01
import os
02

03
from fastapi import FastAPI
04
from pydantic import BaseModel
05
from langchain.agents import create_agent
06
from langchain_openai import ChatOpenAI
07

08
app = FastAPI()
09

10
agent = create_agent(
11
    model=ChatOpenAI(
12
        model=os.environ["DEEPSEEK_MODEL"],
13
        api_key=os.environ["DEEPSEEK_API_KEY"],
14
        base_url=os.environ.get("DEEPSEEK_BASE_URL", "https://api.deepseek.com"),
15
    ),
16
    system_prompt="你是一名简洁、可靠的 Python 学习助手。",
17
)
18

19
class ChatRequest(BaseModel):
20
    question: str
21

22
@app.post("/chat")
23
async def chat(request: ChatRequest) -> dict[str, str]:
24
    result = await agent.ainvoke({
25
        "messages": [{"role": "user", "content": request.question}],
26
    })
27
    return {"answer": result["messages"][-1].content}

这里的 app 是 FastAPI 应用，agent 是 LangChain 的 Agent。DeepSeek 提供 OpenAI 兼容的 Chat Completions 接口，所以这里使用 ChatOpenAI 作为 LangChain 的模型封装，并通过 base_url 将请求发送到 DeepSeek。FastAPI 只负责接收和返回 HTTP 数据，模型选择、提示词和 Agent 执行仍然由 LangChain 处理。

7. 使用 .env 管理模型配置

在项目根目录创建 .env，把 DeepSeek V4 Flash 的配置集中放在这个文件中：

1
DEEPSEEK_MODEL=deepseek-v4-flash
2
DEEPSEEK_BASE_URL=https://api.deepseek.com
3
DEEPSEEK_API_KEY=your-api-key

如果要把项目提交到 Git 仓库，可以创建一个不包含真实密钥的 .env.example，并在 .gitignore 中忽略 .env：

1
.env
2
.env.*
3
!.env.example

.env 只保留在本机，.env.example 只用于说明需要哪些变量。使用中转服务时，将 DEEPSEEK_BASE_URL 改成中转站提供的 OpenAI 兼容地址即可。

启动服务时，显式告诉 uv 读取这个文件：

1
uv run --env-file .env fastapi dev

Windows PowerShell 使用同一条命令即可：

1
uv run --env-file .env fastapi dev

uv 会在启动子进程前读取 .env，所以 Python 代码仍然可以通过 os.environ["DEEPSEEK_MODEL"] 等方式访问配置，不需要在代码中手动解析文件。也可以让 uv 自动发现项目中的 .env，但显式使用 --env-file 更容易看出服务依赖哪个配置文件。

FastAPI CLI 默认以开发模式启动服务，自动开启代码变更重载，并在项目根目录自动寻找 main.py 中名为 app 的 FastAPI 应用。如果以后调整了文件结构，也可以显式指定入口，例如 uv run --env-file .env fastapi dev --entrypoint main:app。

服务启动后，用另一个终端发送请求：

1
curl -X POST http://127.0.0.1:8000/chat \
2
  -H "Content-Type: application/json" \
3
  -d '{"question":"请用一句话介绍 LangChain。"}'

调通之后，说明我们的环境已经准备好了。