概述

LangChain 是一个用于构建基于大语言模型（LLM）的应用程序的开发框架。它将 LLM 与外部数据源、工具和逻辑流程连接起来，使开发者能快速搭建智能问答、自动化工作流等 AI 应用。

从早期版本到 v1.0+，它经历了从实验工具到生产级框架的演变：

• 初期：主要解决 LLM 调用和简单链式操作
• v0.1+：引入模块化设计，支持记忆、检索等核心概念
• v1.0+：API 稳定化，增强可观测性，优化生产部署能力

核心组件与功能

1. 模型（Models）

• 功能：封装不同 LLM（如 GPT、Claude、开源模型）的调用接口，支持文本生成、对话等。
• 应用场景：统一管理多个模型，轻松切换或组合使用。

2. 提示模板（Prompts）

• 功能：预定义和动态生成提示词模板，支持变量注入。
• 应用场景：避免硬编码提示词，实现标准化提问（如“用{语言}总结以下内容：{文本}”）。

3. 索引（Indexes）

• 功能：将文档切分成小块，生成向量存储（如 FAISS、Pinecone），支持语义搜索。
• 应用场景：让 LLM 检索私有文档（如 PDF、网页）后回答问题，避免知识过时或幻觉。

4. 链（Chains）

• 功能：串联多个步骤（如先检索文档，再调用 LLM 回答），形成可复用的处理流程。
• 应用场景：构建多步骤问答系统、数据提取管道。

5. 代理（Agents）

• 功能：让 LLM 自主选择并调用工具（如搜索引擎、计算器、API），动态决策下一步。
• 应用场景：开发能联网查询、执行代码或操作数据库的智能助手。

6. 记忆（Memory）

• 功能：在对话中存储历史消息，让 LLM 记住上下文。
• 应用场景：实现连贯的多轮对话（如客服机器人、虚拟角色）。

典型应用场景

一句话总结

LangChain = LLM + 记忆 + 工具 + 流程编排，让你像搭积木一样构建复杂的 AI 应用。