环境搭建：Python虚拟环境、LangChain/LangGraph安装、OpenAI/DeepSeek API配置

说实话，做量化投研最怕什么？不是策略亏钱，而是环境冲突。我见过太多人花了两天装包，最后发现版本对不上，整个项目崩掉。所以这一章，咱们先把地基打牢。

我会带你一步步搞定三件事：Python虚拟环境、LangChain/LangGraph安装、还有API配置。嗯，都是基本功，但细节里全是坑。

1. Python虚拟环境：为什么必须搞？

你想想看，一个项目用LangChain 0.1，另一个用0.3，装在一起直接打架。虚拟环境就是给每个项目一个独立的小房间，互不干扰。

1.1 创建虚拟环境

我个人习惯用 venv，Python自带的，轻量够用。如果你用conda也行，但这里我讲venv。

# 创建虚拟环境（在项目根目录下执行）
python -m venv research_agent_env

# 激活环境
# Windows:
research_agent_env\Scripts\activate

# Mac/Linux:
source research_agent_env/bin/activate

激活后，终端前面会出现 (research_agent_env) 字样。这时候你装的所有包，都只在这个环境里生效。

1.2 管理依赖

装完包后，记得生成 requirements.txt。这是你的「环境快照」，换机器或分享给同事时，直接 pip install -r requirements.txt 就能复现。

# 导出当前环境所有包
pip freeze > requirements.txt

# 从文件安装
pip install -r requirements.txt

2. LangChain / LangGraph 安装

LangChain是Agent的骨架，LangGraph是它的「流程图引擎」。两者配合，才能做出能跑完整分析流程的投研Agent。

2.1 安装LangChain

直接pip安装，但要注意版本。我建议用最新稳定版，别追太新的beta版。

pip install langchain langchain-community langchain-core

这三个包的关系：langchain-core 是核心抽象，langchain-community 是各种第三方集成（比如OpenAI、DeepSeek），langchain 是上层封装。嗯，装全了省心。

2.2 安装LangGraph

LangGraph用来构建多步推理流程。比如财报解读时，先提取数据，再分析趋势，最后生成报告——每一步都是一个节点，LangGraph帮你串联。

pip install langgraph

2.3 验证安装

写个简单脚本测试一下：

from langchain.llms import OpenAI
from langgraph.graph import StateGraph

print("LangChain and LangGraph installed successfully!")
print(f"LangGraph version: {importlib.metadata.version('langgraph')}")

如果没报错，说明环境通了。如果报错，多半是Python版本问题——LangGraph要求Python 3.9以上。我建议直接用3.10或3.11，兼容性最好。

3. OpenAI / DeepSeek API 配置

投研Agent的核心是调用大模型。OpenAI是标杆，DeepSeek是性价比之选。两个都配好，灵活切换。

3.1 获取API Key

这个步骤很简单，但容易踩坑。我直接说重点：

• OpenAI：去 platform.openai.com 创建Key。注意，新账号有免费额度，但用完后要绑定信用卡。
• DeepSeek：去 platform.deepseek.com 注册，目前有赠送额度，够你跑完整个课程。

3.2 配置环境变量

我推荐用 python-dotenv 管理Key。先在项目根目录创建 .env 文件：

# .env 文件
OPENAI_API_KEY=sk-your-openai-key-here
DEEPSEEK_API_KEY=sk-your-deepseek-key-here

然后在代码中加载：

from dotenv import load_dotenv
import os

load_dotenv()  # 加载.env文件

openai_key = os.getenv("OPENAI_API_KEY")
deepseek_key = os.getenv("DEEPSEEK_API_KEY")

print(f"OpenAI Key: {openai_key[:8]}...")  # 只打印前8位，安全

3.3 测试API连通性

写个简单调用，确认Key有效：

from langchain_openai import ChatOpenAI

# 测试OpenAI
llm = ChatOpenAI(model="gpt-4", temperature=0)
response = llm.invoke("请用一句话解释什么是财报解读。")
print(response.content)

# 测试DeepSeek（通过OpenAI兼容接口）
from langchain_community.chat_models import ChatOpenAI as DeepSeekChat

deepseek_llm = DeepSeekChat(
    model="deepseek-chat",
    openai_api_key=os.getenv("DEEPSEEK_API_KEY"),
    openai_api_base="https://api.deepseek.com/v1"
)
response = deepseek_llm.invoke("请用一句话解释什么是财报解读。")
print(response.content)

如果两个都返回了内容，恭喜你，环境搭建完成！

4. 知识体系总览

下面这张图，帮你理清本章的核心逻辑：

5. 避坑指南

最后，分享几个我踩过的坑：

• Python版本：别用Python 3.7以下，LangGraph不支持。我建议3.10，稳。
• pip源：国内用户记得换清华源或阿里源，不然装包慢到怀疑人生。pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
• API Key泄露：我曾经把Key写在Jupyter Notebook里，结果分享时忘了删，被同事看到了。嗯，从那以后我强制自己用.env。
• 虚拟环境激活：每次打开新终端，第一件事就是激活环境。我见过有人没激活，直接装包到全局，结果系统Python炸了。

好了，环境搭好，后面就可以安心写Agent了。记住，基础打牢，后面才不慌。

---

公众号:蓝海资料掘金营，微信deep3321