当前位置：首页 > news >正文

LangChain最详细教程（一）

news 2025/10/21 15:03:01

简介

本系列教程将以「系统梳理 + 实战落地」为核心，从基础到进阶全面拆解 LangChain—— 这个目前最流行的大语言模型（LLM）应用开发框架。

一、介绍LangChain

LangChain是 2022年10月 ，由哈佛大学的 Harrison Chase （哈里森·蔡斯）发起研发的一个开源框架，

用于开发由大语言模型（LLMs）驱动的应用程序。比如，搭建“智能体”（Agent）、问答系统（QA）、对话机器人、文档搜索系统、企业私有知识库

等。

LangChain在Github上的热度变化

顾名思义，LangChain中的“Lang”是指language，即⼤语⾔模型，“Chain”即“链”，也就

是将⼤模型与外部数据&各种组件连接成链，以此构建AI应⽤程序

有哪些大模型应用开发框架呢

LangChain ：这些工具里出现最早、最成熟的，适合复杂任务分解和单智能体应用
LlamaIndex ：专注于高效的索引和检索，适合 RAG 场景。（注意不是Meta开发的）
LangChain4J ：LangChain还出了Java、JavaScript（LangChain.js）两个语言的版本，
LangChain4j的功能略少于LangChain，但是主要的核心功能都是有的
SpringAI/SpringAI Alibaba ：有待进一步成熟，此外只是简单的对于一些接口进行了封装
SemanticKernel ：也称为sk，微软推出的，对于C#同学来说，那就是5颗星

为什么需要LangChain

在大语言模型（LLM）如 ChatGPT、Claude、DeepSeek 等快速发展的今天，开发者不仅希望能“使

用”这些模型，还希望能 将它们灵活集成到自己的应用中 ，实现更强大的对话能力、检索增强生成（RAG）、工具调用（Tool Calling）、多轮推理等功能。

LangChain 为更方便解决这些问题，而生的。比如：大模型默认不能联网，如果需要联网，用 langchain。

我们可以使用GPT 或GLM4 等模型的API进行开发，为何需要LangChain这样的框架？

不使用LangChain，确实可以使用GPT 或GLM4 等模型的API进行开发。比如，搭建“智能体”

（Agent）、问答系统、对话机器人等复杂的 LLM 应用。但使用LangChain的好处：

简化开发难度：更简单、更高效、效果更好
学习成本更低：不同模型的API不同，调用方式也有区别，切换模型时学习成本高。使用LangChain，可以以统一、规范的方式进行调用，有更好的移植性。
现成的链式组装：LangChain提供了一些 现成的链式组装 ，用于完成特定的高级任务。让复杂的逻
辑变得 结构化、易组合、易扩展

LangChain 提供了哪些功能呢

LangChain 是一个帮助你构建 LLM 应用的 全套工具集 。这里涉及到prompt 构建、LLM 接入、记忆管理、工具调用、RAG、智能体开发等模块。

LangChain的使用场景

LangChain资料介绍

官网地址：https://www.langchain.com/langchain
官网文档：https://python.langchain.com/docs/introduction/
API文档：https://python.langchain.com/api_reference/
github地址：https://github.com/langchain-ai/langchain

二、 LangChain架构设计

总体架构图

V0.1 版本

V0.2 / V0.3 版本

图中展示了LangChain生态系统的主要组件及其分类，分为三个层次：架构(Architecture)、组件 (Components)和部署(Deployment)。

版本的升级，v0.2 相较于v0.1，修改了⼤概10%-15%。功能性上差不多，主要是往稳定性（或兼容性）、安全性上使劲了，⽀持更多的⼤模型，更安全。

内部架构详情

结构1：LangChain

langchain：构成应用程序认知架构的Chains，Agents，Retrieval strategies等构成应⽤程序的链、智能体、RAG。

langchain-community：第三方集成

⽐如：Model I/O、Retrieval、Tool & Toolkit；合作伙伴包 langchain-openai，langchain

anthropic等。

langchain-Core：基础抽象和LangChain表达式语言 (LCEL)

小结：LangChain，就是AI应用组装套件，封装了一堆的API。langchain框架不大，但是里面琐碎的知识点特别多。就像玩乐高，提供了很多标准化的乐高零件（比如，连接器、轮子等）

结构2：LangGraph

LangGraph可以看做基于LangChain的api的进一步封装，能够协调多个Chain、Agent、Tools完成更复杂的任务，实现更高级的功能。

结构3：LangSmith

https://docs.smith.langchain.com/

链路追踪。提供了6大功能，涉及Debugging (调试)、Playground (沙盒)、Prompt Management (提示管理)、Annotation (注释)、Testing (测试)、Monitoring (监控)等。与LangChain无缝集成，帮助你从原型阶段过渡到生产阶段。正是因为LangSmith这样的⼯具出现，才使得LangChain意义更⼤，要不仅靠⼀些API（当然也可以不⽤，⽤原⽣的API），⽀持不住LangChain的热度。

结构4：LangServe

将LangChain的可运行项和链部署为REST API，使得它们可以通过网络进行调用。

Java怎么调用langchain呢？就通过这个langserve。将langchain应用包装成一个rest api，对外暴露服务。同时，支持更高的并发，稳定性更好。

总结：LangChain当中，最有前途的两个模块就是：LangGraph，LangSmith。

LangChain能做RAG，其它的⼀些框架也能做，而且做的也不错，⽐如LlamaIndex。所以这时候LangChain要在Agent这块发⼒，那就需要LangGraph。而LangSmith，做运维、监控。故，

⼆者是LangChain⾥最有前途的。