LangChain 开源项目深度学习
本项目是一个持续的过程,以日拱一卒的态度去学习 AI 开源项目,通过实践真实项目,结合 AI 工具,提升解决复杂问题的能力,并且记录下来。 notion List 基本信息: 项目名称:LangChain(含 LangGraph、LangSmith、deepagents 等生态) GitHub 地址:https://github.com/langchain-ai/langchain 官方文档:https://docs.langchain.com (2025 年起 Python / JavaScript 文档统一到此站点) 许可证:MIT(LangChain、LangGraph、deepagents 均为开源;LangGraph Platform 为商业闭源) 主要语言 / 技术栈:Python 与 TypeScript 双实现,底层依赖 LangGraph 运行时、Pydantic(数据校验)、FastAPI(LangServe 部署) 当前版本:LangChain 1.0 与 LangGraph 1.0 于 2025-10-22 正式 GA,承诺在 2.0 之前不引入破坏性变更 社区规模:GitHub 约 12.4 万 stars、2 万+ forks,PyPI 月下载约 90M+(全生态口径),被 Uber、LinkedIn、Klarna、摩根大通、Cisco 等公司用于生产 一、导读:LangChain 是什么,为什么值得学 LangChain 是当下构建大语言模型(LLM)应用最主流的框架之一。它的核心价值在于提供一套标准化接口与可组合的构件(building blocks),把 LLM 与外部数据源、算力和各类工具的集成过程大幅简化。最初的目标是让开发者能轻松构建既「数据感知(data-aware)」又「具备行动能力(agentic)」的应用。 随着框架演进和社区反馈积累,LangChain 经历了三次关键转型: 架构模块化——从早期「大而全」的单体 Chain 类,拆分为职责清晰的多个包(langchain-core / langchain / langchain-community / 各集成包)。 声明式组合——引入 LangChain 表达式语言(LCEL)与统一的 Runnable 接口,让「原型即生产」成为可能。 面向 Agent 与生产——推出 LangGraph(复杂有状态 Agent 编排)、LangSmith(可观测与评估)、LangGraph Platform(部署基础设施),并在 1.0 版本把核心收敛到 create_agent 的 Agent 主循环加中间件体系。 一句话概括权衡:LangChain 极擅长快速原型和广泛集成,但抽象层带来了学习曲线陡峭、调试复杂等代价;进入生产往往需要配合生态工具(LangSmith / LangGraph)。 ...