บทที่ 2: การติดตั้งและตั้งค่าสภาพแวดล้อม

ความต้องการของระบบ

ก่อนเริ่มต้น ให้ตรวจสอบว่าคุณมีสิ่งเหล่านี้:

รายการ	เวอร์ชันขั้นต่ำ	หมายเหตุ
Python	3.10+	แนะนำ 3.12
pip	23.0+	Python package manager
Node.js	18+	(ถ้าใช้ LangServe)
Git	2.0+	สำหรับ version control

Version Baseline (Release 2026-02-13)

เพื่อให้ผลลัพธ์ของตัวอย่างในหนังสือใกล้เคียงกัน แนะนำให้ยึด baseline นี้เป็นค่าเริ่มต้น และค่อยอัปเดตเป็นรอบ

Component	Recommended	หมายเหตุ
Python	3.12.x	baseline หลักของหนังสือ
langchain	1.0.x	framework หลัก
langchain-core	1.0.x	core abstractions
langgraph	0.2.x	workflow/state graph
langchain-openai	0.3.x	OpenAI integration
langchain-community	0.3.x	community integrations
langchain-google-genai	2.0.x	Gemini integration
chromadb	0.5.x	vector store ตัวอย่าง
python-dotenv	1.0.x	env management

การติดตั้ง Python

# ดาวน์โหลดจาก python.org หรือใช้ winget
winget install Python.Python.3.12

# ตรวจสอบเวอร์ชัน
python --version

# ใช้ Homebrew
brew install python@3.12

# ตรวจสอบเวอร์ชัน
python3 --version

# Ubuntu/Debian
sudo apt update
sudo apt install python3.12 python3.12-venv python3-pip

# ตรวจสอบเวอร์ชัน
python3 --version

สร้างโปรเจกต์ใหม่

สร้างโฟลเดอร์โปรเจกต์
Terminal window
```
mkdir langchain-tutorial
cd langchain-tutorial
```

สร้าง Virtual Environment

# สร้าง venv
python -m venv .venv

# เปิดใช้งาน (Windows)
.venv\Scripts\activate

# เปิดใช้งาน (macOS/Linux)
source .venv/bin/activate

ติดตั้ง LangChain

# ติดตั้ง LangChain core
pip install langchain langchain-core

# ติดตั้ง LLM providers
pip install langchain-openai    # สำหรับ OpenAI
pip install langchain-google-genai  # สำหรับ Google Gemini
pip install langchain-anthropic  # สำหรับ Anthropic Claude

# ติดตั้ง Community packages
pip install langchain-community

สร้างไฟล์ requirements.txt

langchain==1.0.*
langchain-core==1.0.*
langchain-openai==0.3.*
langchain-community==0.3.*
langchain-google-genai==2.0.*
python-dotenv==1.0.*
chromadb==0.5.*
langgraph==0.2.*

# สร้าง lock file สำหรับ release build
pip freeze > requirements.lock.txt

# ติดตั้งแบบ lock เพื่อให้ผลลัพธ์เหมือนกันทุกเครื่อง
pip install -r requirements.lock.txt

การตั้งค่า API Keys

รับ API Key จาก OpenAI

ไปที่ platform.openai.com
สมัครบัญชีหรือเข้าสู่ระบบ
ไปที่ API Keys → Create new secret key
Copy key ที่ได้ (เริ่มต้นด้วย sk-)

รับ API Key จาก Google AI

ไปที่ aistudio.google.com
เข้าสู่ระบบด้วย Google Account
คลิก Get API key → Create API key
Copy key ที่ได้

จัดเก็บ API Key อย่างปลอดภัย

สร้างไฟล์ .env ในโฟลเดอร์โปรเจกต์:

# OpenAI
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx

# Google AI
GOOGLE_API_KEY=AIzaxxxxxxxxxxxxxxxxxxxxxxxx

# Anthropic (ถ้าใช้)
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxxxxxx

# LangSmith (สำหรับ monitoring)
LANGSMITH_API_KEY=lsv2_xxxxxxxxxxxxxxxx
LANGSMITH_TRACING=true
LANGSMITH_PROJECT=langchain-tutorial

โหลด API Key ในโค้ด Python

คำอธิบาย: โค้ดตัวอย่างด้านล่างแสดงวิธีใช้งานด้วย Python ตามหัวข้อนี้แบบทีละขั้นตอน

import os
from dotenv import load_dotenv

# โหลดค่าจากไฟล์ .env
load_dotenv()

# ตรวจสอบว่า API Key ถูกโหลดแล้ว
api_key = os.getenv("OPENAI_API_KEY")
if api_key:
    print("✅ API Key loaded successfully!")
else:
    print("❌ API Key not found. Check your .env file.")

ทดสอบการติดตั้ง

ทดสอบกับ OpenAI

from langchain_openai import ChatOpenAI

# สร้าง Chat Model
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)

# ทดสอบเรียกใช้
response = llm.invoke("สวัสดี! ช่วยแนะนำตัวหน่อย")
print(response.content)

ผลลัพธ์ตัวอย่าง:

สวัสดีครับ! ผมเป็น AI Assistant ที่พัฒนาโดย OpenAI
พร้อมช่วยเหลือคุณในหลายเรื่อง ไม่ว่าจะเป็นการตอบคำถาม
เขียนโค้ด แปลภาษา หรือให้คำแนะนำต่างๆ ครับ

ทดสอบกับ Google Gemini

from langchain_google_genai import ChatGoogleGenerativeAI

# สร้าง Chat Model
llm = ChatGoogleGenerativeAI(model="gemini-2.0-flash")

# ทดสอบเรียกใช้
response = llm.invoke("สวัสดี! ช่วยแนะนำตัวหน่อย")
print(response.content)

โครงสร้างโปรเจกต์แนะนำ

คำอธิบาย: แผนภาพด้านล่างสรุปโฟลว์การทำงานให้เห็นภาพรวมของหัวข้อนี้อย่างชัดเจน

graph TD
    Root["langchain-tutorial/"]
    Root --> Env[".env (API Keys, don't commit)"]
    Root --> Gitignore[".gitignore"]
    Root --> Req["requirements.txt"]

    Root --> Notebooks["notebooks/ (Jupyter notebooks)"]
    Notebooks --> NB1["01_basics.ipynb"]
    Notebooks --> NB2["02_chains.ipynb"]
    Notebooks --> NBX["..."]

    Root --> Src["src/ (Source code)"]
    Src --> Init["__init__.py"]
    Src --> Chains["chains/ (Custom chains)"]
    Src --> Agents["agents/ (Custom agents)"]
    Src --> Tools["tools/ (Custom tools)"]
    Src --> Utils["utils/ (Utility functions)"]

    Root --> Data["data/ (RAG data)"]
    Data --> Docs["documents/"]
    Data --> VS["vectorstore/"]

เครื่องมือพัฒนาที่แนะนำ

เครื่องมือ	ประเภท	เหตุผล
VS Code	Code Editor	Extension มากมาย, Python support ดี
Jupyter Notebook	Interactive Coding	เหมาะสำหรับทดลองโค้ด LLM
LangSmith	Monitoring	Debug และ trace LLM calls
Postman	API Testing	ทดสอบ API endpoints

VS Code Extensions ที่แนะนำ

คำอธิบาย: ตัวอย่างคอนฟิกด้านล่างคือรูปแบบที่แนะนำให้ใช้ในหัวข้อนี้

{
  "recommendations": [
    "ms-python.python",
    "ms-python.vscode-pylance",
    "ms-toolsai.jupyter",
    "charliermarsh.ruff",
    "github.copilot"
  ]
}