LangChain 中文文档

外观

LangChain 由几个核心信念驱动：

  • 大型语言模型（LLM）是出色且强大的新技术。
  • 当 LLM 与外部数据源结合时，效果会更好。
  • LLM 将改变未来应用程序的形态。具体来说，未来的应用程序将越来越具有智能体特性。
  • 这一转变才刚刚开始。
  • 虽然构建这些智能体应用程序的原型很容易，但要构建足够可靠、能够投入生产的智能体仍然非常困难。

如今开发者可以选择如何构建智能体：使用 LangChain 获得最大的灵活性和控制力，或使用 Deep Agents，它在提供类似灵活性和控制力的同时，还内置了带预设方案的规划、文件系统工具、子智能体和上下文管理。两者都构建于 LangGraph 之上。

对于 LangChain，我们有两个核心重点：

我们希望能让开发者使用最好的模型来构建应用。 ​

    不同的提供商暴露不同的 API，具有不同的模型参数和不同的消息格式。
    标准化这些模型的输入和输出是核心重点，使开发者可以轻松切换到最新的最先进模型，避免被锁定。

我们希望让模型更容易用于编排与其他数据和计算交互的更复杂流程。 ​

    模型的用途不应仅限于*文本生成*——它们还应被用于编排与其他数据交互的更复杂流程。LangChain 让定义 LLM 可以动态使用的[工具](/oss/langchain/tools)变得容易，同时也帮助解析和访问非结构化数据。

历史 ​

鉴于该领域不断变化，LangChain 也随之不断演进。以下是 LangChain 多年来的变化简史，以及"用 LLM 构建"的含义是如何同步演变的：

v0.0.1（2022-10-24） ​

在 ChatGPT 出现前一个月，**LangChain 作为 Python 包正式发布**。它由两个主要组件构成：

- LLM 抽象
- "链（Chains）"，即针对常见用例预先确定的计算步骤序列。例如——RAG：先执行一个检索步骤，再执行一个生成步骤。

LangChain 这个名字来自 "Language"（如语言模型）和 "Chains"。

2022-12 ​

第一批通用智能体被添加到 LangChain。

这些通用智能体基于 [ReAct 论文](https://arxiv.org/abs/2210.03629)（ReAct 代表 Reasoning and Acting，推理与行动）。它们使用 LLM 生成表示工具调用的 JSON，然后解析该 JSON 以确定要调用哪些工具。

2023-01 ​

OpenAI 发布了 "Chat Completion" API。

此前，模型接收字符串并返回字符串。在 ChatCompletions API 中，它们演变为接收消息列表并返回一条消息。其他模型提供商纷纷效仿，LangChain 也更新为处理消息列表。

2023-01 ​

LangChain 发布了 JavaScript 版本。

LLM 和智能体将改变应用程序的构建方式，而 JavaScript 是应用程序开发者的语言。

2023-02 ​

**LangChain Inc. 围绕开源 LangChain 项目组建为一家公司**。

主要目标是"让智能智能体无处不在"。团队认识到，虽然 LangChain 是关键组成部分（LangChain 让入门 LLM 变得简单），但还需要其他组件。

2023-03 ​

OpenAI 在其 API 中发布了 'function calling'（函数调用）。

这使得 API 可以显式生成表示工具调用的载荷。其他模型提供商纷纷效仿，LangChain 也更新为使用这种方式作为工具调用的首选方法（而非解析 JSON）。

2023-06 ​

**LangChain Inc. 以闭源平台的形式发布 LangSmith**，提供可观测性和评估功能。

构建智能体的主要问题在于让它们足够可靠，而提供可观测性和评估功能的 LangSmith 正是为解决这一需求而构建的。LangChain 已更新为与 LangSmith 无缝集成。

v0.1.0（2024-01） ​

**LangChain 发布 0.1.0**，这是它第一个非 0.0.x 版本。

行业已从原型走向生产，因此 LangChain 将重点更多地放在了稳定性上。

2024-02 ​

**LangGraph 作为开源库发布**。

最初的 LangChain 有两个重点：LLM 抽象，以及用于快速上手常见应用的高级接口；然而，它缺少一个允许开发者控制智能体确切流程的底层编排层。于是：LangGraph 登场了。

在构建 LangGraph 时，我们从构建 LangChain 的过程中吸取了教训，并添加了我们发现确实需要的功能：流式输出、持久化执行、短期记忆、人在回路等。

2024-06 ​

**LangChain 拥有超过 700 个集成。**

集成已从核心 LangChain 包中拆分出来，要么转移到各自独立的包中（针对核心集成），要么转移到 langchain-community 中。 集成已从核心 LangChain 包中拆分出来，要么转移到各自独立的包中（针对核心集成），要么转移到 @langchain/community 中。

2024-10 ​

LangGraph 成为构建任何不仅仅是单次 LLM 调用的 AI 应用的首选方式。

当开发者试图提高应用程序的可靠性时，他们需要比高级接口提供的更多控制力。LangGraph 提供了这种底层灵活性。LangChain 中大多数链和智能体都被标记为弃用，并提供了如何将它们迁移到 LangGraph 的指南。LangGraph 中仍保留了一个高级抽象：智能体抽象。它构建于底层 LangGraph 之上，与 LangChain 的 ReAct 智能体具有相同的接口。

2025-04 ​

模型 API 变得更加多模态。

模型开始接受文件、图像、视频等。我们相应地更新了 langchain-core 消息格式，让开发者能够以标准方式指定这些多模态输入。 模型开始接受文件、图像、视频等。我们相应地更新了 @langchain/core 消息格式，让开发者能够以标准方式指定这些多模态输入。

v1.0.0（2025-10-20） ​

**LangChain 发布 1.0**，带来两大变化：

1. 彻底重构了 `langchain` 中的所有链和智能体。所有链和智能体现在都被替换为唯一一个高级抽象：构建于 LangGraph 之上的智能体抽象。这是最初在 LangGraph 中创建的高级抽象，只是被移到了 LangChain。

对于仍在使用旧版 LangChain 链/智能体且不想升级的用户（注意：我们建议你升级），你可以通过安装 langchain-classic 包继续使用旧版 LangChain。 对于仍在使用旧版 LangChain 链/智能体且不想升级的用户（注意：我们建议你升级），你可以通过安装 @langchain/classic 包继续使用旧版 LangChain。

2. 标准消息内容格式：模型 API 从返回带有简单内容字符串的消息，演变为返回更复杂的输出类型——推理块、引用、服务端工具调用等。LangChain 演进其消息格式，以在提供商之间标准化这些内容。

v0.5.3（2026-03-15） ​

**Deep Agents 作为基于 LangGraph 构建的开源智能体框架发布**。

虽然 LangChain 为自定义智能体架构提供了灵活的构建模块，但 [Deep Agents](/oss/langchain/overview) 为研究和编码等复杂的长时间运行任务提供了开箱即用的选项。它增加了内置的规划工具、带有可插拔后端（内存、磁盘、LangGraph store、沙箱）的虚拟文件系统，以及用于上下文隔离的子智能体生成。当需要更自主、带预定义工具的智能体时，请使用 Deep Agents；当需要对智能体架构进行全面控制时，请使用 LangChain。