langchain

项目概述

LangChain 是用于构建 AI Agent 与 LLM 应用的开源框架，通过统一接口串联模型、嵌入、向量库、工具与第三方集成，降低 AI 应用开发成本。开发者可以用几行代码调用不同厂商的大模型并随时替换，无需重写业务逻辑。框架提供模块化组件与从高阶到低阶的多层抽象，既适合快速原型，也支撑复杂的生产系统。配套的 LangGraph 提供可控的 Agent 编排，Deep Agents 则内置规划、子代理与文件系统等常用能力。

项目	内容
语言	Python（另有 JS/TS 版本）
类型	LLM 应用与 Agent 框架
集成	主流模型厂商、向量库、工具链
许可	MIT

用统一接口串起模型、工具与数据源，换模型不改业务代码。

主要功能

• 统一模型接口：init_chat_model 一行接入 OpenAI、Anthropic、Gemini 等厂商模型
• 组件可互换：模型、嵌入、向量库、检索器均遵循标准接口，随换随用
• 丰富集成库：内置大量模型与工具集成，连接内外部数据源
• 实时数据增强：为 LLM 接入检索（RAG）与外部系统数据
• 快速原型：模块化架构支持快速搭建与迭代 LLM 应用
• 生态协同：与 LangGraph（Agent 编排）、LangSmith（评测观测）无缝衔接

适用人群

• 开发 LLM 应用的工程师
• 构建 AI Agent 的团队
• 需要 RAG 方案接入私有数据的开发者
• 评估多模型方案的算法工程师

快速上手

1. 安装

   uv add langchain

2. 调用模型

   from langchain.chat_models import init_chat_model
   
   model = init_chat_model('openai:gpt-4o-mini')
   result = model.invoke('Hello, world!')

3. 需要复杂 Agent 编排时引入 LangGraph
4. 开发调试与评测阶段可配合 LangSmith 观测

核心优势

• 模型互操作：抽象层屏蔽厂商差异，前沿模型发布即可跟进
• 渐进式抽象：从高阶链到低阶组件按需选择，复杂度可控
• 生态完整：集成、模板与社区组件丰富

系统要求

项目	要求
语言	Python 3，另有 JS/TS 版本
安装方式	pip / uv 等
模型访问	相应厂商 API Key 或本地模型服务

注意事项

• 密钥准备：调用云端模型需提前配置对应厂商的 API Key
• 版本匹配：LangGraph、LangSmith 等生态产品与主框架分开演进，注意版本兼容
• JS 版本独立：JS/TS 版本为独立仓库，API 与 Python 版不完全一致