LangChain 调用 Qwen 与 Ollama 的环境变量笔记

技术、模型名称、SDK 参数和云厂商入口都会更新。本文记录的是本次排查得到的理解与当前写法，后续一定以官方文档为准。

1. 先区分三类配置

调用大模型时，经常会混在一起的其实是三层东西：

模型名称一般看官网模型列表；Base URL 要看你使用的是默认公共入口、工作空间入口，还是本地服务。

2. Qwen / 阿里云百炼调用

LangChain 官方 Qwen 示例通常只写：

fromlangchain_qwqimportChatQwen llm=ChatQwen(model="qwen-flash")

这是因为示例默认使用库内置的默认接口地址，并且要求你提前配置好DASHSCOPE_API_KEY。

但如果你使用阿里云百炼 OpenAI 兼容接口，.env里可能会有工作空间专属地址：

DASHSCOPE_BASE_URL=https://你的WorkspaceId.cn-beijing.maas.aliyuncs.com/compatible-mode/v1

这种情况下，如果代码不传base_url，库可能会走默认地址，导致 API Key 和服务入口不匹配，报：

401 invalid_api_key

3.langchain_qwq默认认识的环境变量

你本机源码关键位置：

D:\Users\26730\miniconda3\envs\python-stu\Lib\site-packages\langchain_qwq\base.py

源码含义是：

api_key<-DASHSCOPE_API_KEY api_base<-DASHSCOPE_API_BASE

也就是说，库默认认识：

DASHSCOPE_API_KEY DASHSCOPE_API_BASE

不是：

DASHSCOPE_BASE_URL

如果.env写成：

DASHSCOPE_API_KEY=sk-xxx DASHSCOPE_API_BASE=https://你的WorkspaceId.cn-beijing.maas.aliyuncs.com/compatible-mode/v1 DASHSCOPE_MODEL_NAME=qwen3.7-max

代码可以简化为：

importosfromdotenvimportload_dotenv,find_dotenvfromlangchain_qwqimportChatQwen load_dotenv(find_dotenv(),override=True)model=ChatQwen(model=os.getenv("DASHSCOPE_MODEL_NAME"),)res=model.invoke("你是谁？")print(res.content)

注意：DASHSCOPE_MODEL_NAME不是ChatQwen默认自动读取的变量，这里仍然是我们自己用os.getenv(...)读取后传进去。

如果.env写的是：

DASHSCOPE_BASE_URL=...

那么需要手动传：

model=ChatQwen(model=os.getenv("DASHSCOPE_MODEL_NAME"),api_key=os.getenv("DASHSCOPE_API_KEY"),base_url=os.getenv("DASHSCOPE_BASE_URL"),)

4. 推荐写法

学习阶段推荐写清楚一点：

importosfromdotenvimportload_dotenv,find_dotenvfromlangchain_qwqimportChatQwen load_dotenv(find_dotenv(),override=True)base_url=os.getenv("DASHSCOPE_BASE_URL")oros.getenv("DASHSCOPE_API_BASE")model=ChatQwen(model=os.getenv("DASHSCOPE_MODEL_NAME"),api_key=os.getenv("DASHSCOPE_API_KEY"),base_url=base_url,)res=model.invoke("你是谁？")print(res.content)

如果以后确认.env统一使用DASHSCOPE_API_BASE，也可以省略base_url参数。

5. Ollama 本地模型调用

LangChain 调 Ollama：

fromlangchain_ollamaimportChatOllama llm=ChatOllama(model="deepseek-r1:7b")res=llm.invoke("你是谁？")print(res.content)

这类代码默认连接本机 Ollama 服务：

http://127.0.0.1:11434

所以一般不需要传base_url。

前提是：

1. Ollama 服务已经启动
2. ollama list能看到这个模型

检查模型：

ollama list

如果没有目标模型，就先拉取：

ollama pull deepseek-r1:7b

或者把代码里的模型名改成ollama list中已有的模型。

6. Ollama 软件、服务和模型目录

Ollama 分三层：

LangChain / Python ↓ HTTP 请求 Ollama 服务：http://127.0.0.1:11434 ↓ 读取模型 本地模型目录，例如 D:\Users\26730\.ollama\models

打开 Ollama 软件时，它通常会帮你启动后台服务。

不打开软件，也可以手动启动：

ollama serve

服务启动后，另开一个 PowerShell：

ollama list

7. 为什么手动ollama serve看不到 D 盘模型？

看ollama serve日志里的这一项：

OLLAMA_MODELS:C:\\Users\\26730\\.ollama\\models

这说明当前手动启动的服务读取的是 C 盘默认目录，不是：

D:\Users\26730\.ollama\models

临时指定 D 盘目录：

$env:OLLAMA_MODELS="D:\Users\26730\.ollama\models"ollama serve

永久指定用户环境变量：

[Environment]::SetEnvironmentVariable("OLLAMA_MODELS","D:\Users\26730\.ollama\models","User")

然后关闭 Ollama、关闭终端、结束残留ollama.exe，重新打开终端再启动。

启动日志里要看到：

OLLAMA_MODELS:D:\\Users\\26730\\.ollama\\models

才说明服务真的在读 D 盘模型目录。

8. LangSmith 是什么？

LangSmith 是 LangChain 官方的观测和调试平台。

文档里的：

os.environ["LANGSMITH_TRACING"]="true"os.environ["LANGSMITH_API_KEY"]=getpass.getpass("Enter your LangSmith API key: ")

作用是开启模型调用追踪，把 prompt、模型输出、Chain/RAG 每一步输入输出等上传到 LangSmith 后台查看。

它不是 Ollama 必需项，也不是 Qwen 必需项。学习本地 Ollama 或简单调用时可以先不配置。涉及敏感数据时，也要注意开启追踪可能上传调用内容。

9. 常见报错判断

10. 官方文档入口

后续如果版本变了，以这些官方页面为准：

• LangChain Qwen 集成文档：https://docs.langchain.com/oss/python/integrations/chat/qwen
• LangChain Ollama 集成文档：https://docs.langchain.com/oss/python/integrations/chat/ollama
• LangSmith Observability：https://docs.langchain.com/langsmith/observability
• 阿里云百炼 OpenAI 兼容接口：https://help.aliyun.com/zh/model-studio/compatibility-of-openai-with-dashscope
• 阿里云百炼模型列表：https://help.aliyun.com/zh/model-studio/models
• 阿里云百炼错误码：https://help.aliyun.com/zh/model-studio/error-code
• Ollama Windows 文档：https://github.com/ollama/ollama/blob/main/docs/windows.md
• Ollama FAQ：https://github.com/ollama/ollama/blob/main/docs/faq.md

11. 最后记一句

云模型优先确认：

模型名 + API Key + Base URL

本地 Ollama 优先确认：

ollama serve 是否启动 + ollama list 是否有模型 + OLLAMA_MODELS 是否指向正确目录