LangChain 学习 - LangChain 引入（LangChain 概述、LangChain 的使用场景、LangChain 架构设计） - 指南

• 出处：尚硅谷 LangChain 教程 https://www.bilibili.com/video/BV1ZppNzHEY4/

一、LangChain 概述

1. LangChain 是一个用于创建由大型语言模型（LLMs）驱动的应用程序的框架

1. 大型语言模型全称 Large Language Models，简称 LLMs
2. 大型语言模型是一种基于深度学习的人工智能模型
3. 大型语言模型通过在海量文本数据上进行训练，来学习语言的内在规律、知识和模式
4. 大型语言模型的核心目标是理解和生成人类语言
* 大型语言模型的主要能力：文本生成、问答、摘要、翻译、代码生成与解释、对话交互、逻辑推理

2. LangChain 不是一个模型，而是一个模型增强框架，LangChain 之于大型语言模型，就像 Spring 之于 Java

3. LangChain 的 Lang 指的是 Language，即大型语言模型，Chain 指的是链

4. LangChain 通过模块化和链式编排，将大型语言模型从一个孤立的文本生成器，变成一个能够与外部世界交互的、强大应用的核心引擎

---

二、大模型相关的岗位

---

三、大模型应用开发框架

1. LangChain：这些工具里出现最早、最成熟的，适合复杂任务分解和单智能体应用

2. LlamaIndex：专注于高效的索引和检索，适合 RAG 场景

3. LangChain4J：LangChain 还出了 Java、JavaScript（LangChain.js）两个语言的版本，LangChain4j 的功能略少于 LangChain，但是主要的核心功能都是有的

4. 简单的对于一些接口进行了封装就是SpringAI / SpringAI Alibaba：有待进一步成熟，此外只

5. SemanticKernel：也称为 sk，微软推出的

---

四、为什么需要 LangChain

• 大型语言模型用的好好的，干嘛还需要 LangChain？

1. 在大型语言模型例如 ChatGPT、Claude、DeepSeek 等快速发展的今天，开发者不仅希望能利用这些模型，还希望能将它们灵活集成到自己的应用中

2. 建立更强大的对话能力、检索增强生成（RAG）、软件调用（Tool Calling）、多轮推理等功能

3. LangChain 是为更方便解决如下难题而生的

• 我们可以使用 GPT 或 GLM4 等模型的 API 进行开发，为何需要 LangChain 这样的框架？

1. 简化开发难度：更简单、更高效、效果更好

2. 学习成本更低：不同模型的 API 不同，调用方式也有区别，切换模型时学习成本高，使用 LangChain，可以以统一、规范的方式进行调用，有更好的移植性

3. 现成的链式组装：LangChain 提供了一些现成的链式组装，用于完成特定的高级任务，让麻烦的逻辑变得结构化、易组合、易扩展

• LangChain 提供了哪些功能呢？

1. LangChain 是一个支援开发者构建 LLM 应用的全套工具集

2. 其中涉及到 prompt 构建、LLM 接入、记忆管理、工具调用、RAG、智能体开发等模块

---

五、LangChain 的使用场景

项目名称	技术点	难度
文档问答助手	Prompt + Embedding + RetrievalQA	2
智能日程规划助手	Agent + Tool + Memory	3
LLM + 数据库问答	SQLDatabaseToolkit + Agent	4
多模型路由对话系统	RouterChain + 多 LLM	4
互联网智能客服	ConversationChain + RAG +Agent	5
企业知识库助手（RAG + 本地模 型）	VectorDB + LLM + Streamlit	5

1. 例如，医院智能助手

2. 例如，万象知识库

3. 例如，京东助手

---

六、LangChain 的位置

---

七、LangChain 的资料

1. 官网地址：https://www.langchain.com/langchain

2. 官网文档：https://python.langchain.com/docs/introduction/

3. API 文档：https://python.langchain.com/api_reference/

4. GitHub 地址：https://github.com/langchain-ai/langchain

---

八、LangChain 架构设计

• V0.1 版本

• V0.2 / V0.3 版本

1. 上图中展示了 LangChain 生态系统的主要组件及其分类，分为三个层次：架构（Architecture）、组件（Components）、部署（Deployment）

2. LangChain 版本的升级，v0.2 版本相较于 v0.1 版本，修改了⼤概 10% ~ 15%，功能性上差不多，主要是往稳定性、兼容性、安全性上使劲，⽀持更多的⼤模型，更安全

---

九、LangChain 内部架构详情

1、LangChain

1. LangChain：构成应用程序认知架构的 Chains（链）、Agents（智能体）、Retrieval Strategies（RAG）等

2. Langchain-Community：第三方集成：Model I/O、Retrieval、Agent Tooling；合作伙伴包 langchain-openai、langchain-anthropic

3. Langchain-Core：基础抽象和 LangChain 表达式语言

• AI 应用组装套件，封装了一堆的 API，LangChain 框架不大，不过里面琐碎的知就是LangChain 就
  识点多

2、LangGraph

1. LangGraph 能够看做基于 LangChain 的 API 的进一步封装

2. LangGraph 能够协调多个 Chain、Agent、Tools 完成更复杂的任务，实现更高级的能力

3、LangSmith

1. 链路追踪，供应了 6 大特性，涉及 Debugging（调试）、Playground（沙盒）、Prompt Management（提示管理）、Annotation（注释）、Testing（测试）、Monitoring（监控）

2. 与 LangChain 无缝集成，帮助开发者从原型阶段过渡到生产阶段

4、LangServe

• 将 LangChain 的可运行项和链部署为 REST API，使得它们可以凭借网络进行调用