# 1. 建一个干净的虚拟环境（uv 或 python -m venv 都行）
uv venv .venv && source .venv/bin/activate

# 2. 装主包 + 你要用的厂商小包（用哪家装哪家，见 D01 L04 的设计取舍）
uv pip install langchain langchain-openai      # 用 OpenAI
# uv pip install langchain-anthropic           # 用 Claude 则装这个
# uv pip install langchain-ollama              # 本地模型用 Ollama

# 3. 配 API Key（厂商包会自动读对应环境变量）
export OPENAI_API_KEY="sk-..."

# 验证：看看"装一个包、来一家人"（D01 讲过的依赖链）
uv pip list | grep langchain
# langchain                1.x     ← 新房（libs/langchain_v1）
# langchain-core           1.4.x   ← 地基，被自动拖下来
# langchain-text-splitters 1.1.x   ← 也被主包声明拖下来
# langchain-openai         1.x     ← 你手动装的厂商包

它定义在新房 libs/langchain_v1/langchain/chat_models/base.py:210。docstring 长达两百多行（写满了各厂商映射表），真正的身体很短——裁掉文档后的核心（base.py:475-499）：

# libs/langchain_v1/langchain/chat_models/base.py:475（裁剪，行为一致）
def init_chat_model(model=None, *, model_provider=None,
                    configurable_fields=None, config_prefix=None, **kwargs):
    if model is not None and not isinstance(model, str):
        raise TypeError("`model` must be a string (e.g., 'openai:gpt-5.5') ...")
    if not model and not configurable_fields:
        configurable_fields = ("model", "model_provider")   # 没给模型名 → 变成"运行时可配置"
    ...
    if not configurable_fields:
        return _init_chat_model_helper(                     # ★普通情况：直接造模型
            cast("str", model), model_provider=model_provider, **kwargs,
        )
    ...                                                     # 可配置情况：返回 _ConfigurableModel（D18 再讲）

真正干活的是 _init_chat_model_helper（base.py:510-518）：

# libs/langchain_v1/langchain/chat_models/base.py:510
def _init_chat_model_helper(model, *, model_provider=None, **kwargs):
    model, model_provider = _parse_model(model, model_provider)  # ① 拆 "openai:gpt-5.5"
    creator_func = _get_chat_model_creator(model_provider)       # ② 按厂商找"造模型的函数"
    return creator_func(model=model, **kwargs)                   # ③ 造！返回 BaseChatModel

# 同文件 :521 起，_attempt_infer_model_provider：没写厂商前缀时按模型名猜
#   model 以 "gpt-" / "o1" / "o3" / "chatgpt" 开头 → "openai"
#   以 "claude" 开头 → "anthropic"  ……（一长串 if）

# first_chain.py —— 你的第一根管道
from langchain.chat_models import init_chat_model
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个只会说大实话的喜剧演员。"),
    ("human", "讲一个关于{topic}的一句话笑话"),
])
model = init_chat_model("openai:gpt-5.5", temperature=0.7)
parser = StrOutputParser()

chain = prompt | model | parser        # ★一根竖线拧三节水管
print(chain.invoke({"topic": "猫"}))   # → '我家猫把我当铲屎官培训基地的实习生。'

第一节 ChatPromptTemplate.from_messages（libs/core/langchain_core/prompts/chat.py:1124-1172，类定义在 chat.py:794）：

# libs/core/langchain_core/prompts/chat.py:1124（裁剪 docstring）
@classmethod
def from_messages(cls, messages, template_format="f-string") -> ChatPromptTemplate:
    """...支持的消息写法：
       3. 2-tuple of (message type, template)   例如 ('human', '{user_input}')
       5. 纯字符串 = ('human', template) 的简写
    """
    return cls(messages, template_format=template_format)   # 就一行：交给构造器

第三节 StrOutputParser，全类不到 70 行（libs/core/langchain_core/output_parsers/string.py:8，parse 在 string.py:61-63）：

# libs/core/langchain_core/output_parsers/string.py:8
class StrOutputParser(BaseTransformOutputParser[str]):
    """Extract text content from model outputs as a string. ...
    Supports streaming, yielding text chunks as they're generated."""

    @override
    def parse(self, text: str) -> str:      # string.py:61
        """Returns the input text with no changes."""
        return text                          # ★核心逻辑就这一行！