LangChain 简介

LangChain 是什么？

LangChain 是构建 LLM 应用的开源框架，由 LangChain Inc. 维护。它把「模型调用 + 工具 + 状态 + 编排」封装成可组合、可扩展的 Agent Harness（代理 harness），让你用 Python（及 JavaScript）快速搭建聊天机器人、RAG 系统、自动化 Agent 等。

2025 年发布的 LangChain 1.0 是一次重大收敛：核心聚焦 Agent 循环，底层统一运行在 LangGraph 运行时上，并引入 Middleware 解决上下文工程与可控性问题。

生态三件套

┌─────────────────────────────────────────────────────────────┐
│                    LangChain 生态                            │
└─────────────────────────────────────────────────────────────┘
   ┌──────────────┐   ┌──────────────┐   ┌──────────────┐
   │  LangChain   │   │  LangGraph   │   │  LangSmith   │
   │  高层 Agent  │   │  图编排运行时 │   │  追踪/评估   │
   │  create_agent│   │  持久化/流式  │   │  可观测性    │
   └──────────────┘   └──────────────┘   └──────────────┘
         │                    ▲
         └──── 1.0 构建于 ────┘

组件	定位	典型用途
LangChain	最快上手 Agent：`create_agent`、工具、Middleware	标准 ReAct 类 Agent、RAG Agent
LangGraph	低层图执行引擎：节点、边、检查点、人机中断	复杂工作流、多 Agent 编排、长时任务
LangSmith	云平台：Trace、Eval、监控	调试、回归测试、生产监控

关键关系： LangChain 1.0 的 Agent 跑在 LangGraph 上，需要更细粒度控制时可无缝下沉到 LangGraph，二者可组合（例如在自定义图中嵌入 create_agent 子图）。

LangChain 1.0 核心变化

维度	0.x 时代	1.0
Agent 入口	多种 Chain / Agent 类，概念分散	`create_agent` 统一入口
运行时	多种实现路径	LangGraph 统一运行时
定制	子类、回调，易「毕业」到自写循环	Middleware 在循环各阶段插桩
包结构	`langchain` 单体臃肿	`langchain-core` 抽象 + 集成包分离
模型	各 Provider 接口不一	`provider:model` 字符串 + 标准化 content blocks

官方公式：

Agent = Model + Harness
Harness = 模型 + 提示词 + 工具 + Middleware（在正确时间为模型提供正确上下文）

Agent 循环（心智模型）

flowchart LR
  U[用户输入] --> M[Model 推理]
  M --> T{调用工具?}
  T -->|是| E[执行 Tool]
  E --> M
  T -->|否| R[返回回复]
  MW[Middleware] -.-> M
  MW -.-> E

模型在循环中决定是否调用工具；Middleware 可在 before_model、after_model、wrap_model_call 等阶段修改请求、状态或跳转节点——这是 1.0 实现 摘要、记忆、人机审批、子 Agent 委派 的统一机制。

与 LlamaIndex、自研框架对比

维度	LangChain	LlamaIndex	自研
强项	Agent + 编排 + 生态集成	索引 / RAG 数据层	完全可控
Provider	数百集成（OpenAI、Anthropic…）	同样丰富	需自接
生产特性	LangGraph 持久化 + LangSmith	自有可观测	自建
学习曲线	1.0 后入口更清晰	RAG 上手快	高

选型建议：

需要 Agent + 工作流 + 可观测 一体化 → LangChain 生态
以 文档索引 / 查询引擎 为主、Agent 为辅 → 可 LlamaIndex + LangChain 组合
极简场景、固定流程 → 直接 API + 少量代码即可，不必上框架

适用场景

适合：

带工具的多轮 Agent（搜索、计算器、API、数据库）
RAG 问答与 Agentic RAG（检索 + 推理）
需要 持久会话、人机协同、子 Agent 的企业应用
需要 LangSmith 追踪 的团队工程化

需谨慎：

纯单次 Prompt、无工具、无状态 → 直接调 API 更简单
强实时、极低延迟 → 注意框架与工具链开销
国内部署需考虑 Provider 可达性与数据合规

包与仓库

包	说明
`langchain`	1.0 高层 API（`create_agent` 等）
`langchain-core`	消息、Runnable、工具抽象
`langgraph`	图运行时、检查点
`langchain-openai` / `langchain-anthropic` 等	各厂商集成

GitHub：langchain-ai/langchain、langchain-ai/langgraph

#LangChain 简介

#LangChain 是什么？

#生态三件套

#LangChain 1.0 核心变化

#Agent 循环（心智模型）

#与 LlamaIndex、自研框架对比

#适用场景

#包与仓库

#下一步