LangChain
最早最全的 Agent 工具链——封装多、学习曲线陡、风评两极。
详解
LangChain 是面向 LLM/Agent 应用的高层开发框架,负责把模型、工具、提示词、结构化输出、记忆和中间件这些常用积木接到一起。它现在的定位更像「快速开工的 Agent 框架」:用少量代码就能接入不同模型供应商和工具生态,适合原型、RAG、标准工具调用和不太复杂的自治应用。复杂、长时间运行、需要断点恢复或人工介入的流程,LangChain 的 agent 会运行在 LangGraph 之上;如果你需要精确控制状态图和路由,通常应下沉到 LangGraph。它的代价是抽象层较多,调试时要理解框架帮你做了哪些消息转换、重试和中间件处理;生产中还要补足日志、测试和边界控制,避免把默认行为当成黑盒。
一个类比
LangChain 就像一套装修好的样板房——厨房、卫生间、收纳全配齐,拎包入住很快。但如果你想把卫生间改成书房,得先拆掉一大堆内置隔断,改造成本不低。
举个例子
一家律所要给内部员工搭一个「合同问答系统」:把几千份 PDF 合同向量化存入数据库,员工输入问题,系统自动检索最相关段落并生成答案。用 LangChain 的话,加载 PDF、切块、向量化、检索、拼 Prompt、调模型这条流水线,每一步都有现成组件,一个下午就能跑通原型。
PYTHON 示例
相关概念