LangChain 是最流行的 LLM 应用开发框架，提供了构建 AI 应用的各种组件。

为什么用 LangChain？

抽象层: 统一的接口，轻松切换 LLM
组件丰富: RAG、Agent、Memory 开箱即用
生态完善: 大量集成和示例

核心概念

1. Model I/O

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

llm = ChatOpenAI(model="gpt-5")
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个{role}"),
    ("user", "{input}")
])

chain = prompt | llm
response = chain.invoke({"role": "翻译专家", "input": "Hello"})

2. Chains

将多个组件串联：

from langchain_core.output_parsers import StrOutputParser

chain = prompt | llm | StrOutputParser()

3. Retrieval

from langchain_community.vectorstores import Chroma
from langchain_openai import OpenAIEmbeddings

vectorstore = Chroma.from_documents(
    documents=docs,
    embedding=OpenAIEmbeddings()
)
retriever = vectorstore.as_retriever()

4. Agents

from langchain.agents import create_openai_functions_agent
from langchain_community.tools import DuckDuckGoSearchRun

tools = [DuckDuckGoSearchRun()]
agent = create_openai_functions_agent(llm, tools, prompt)

LangChain vs 原生 API

场景	建议
简单 API 调用	原生 API
复杂应用	LangChain
需要灵活性	原生 API
快速原型	LangChain

实践练习

用 LangChain 重构之前的 RAG 系统

LangChain 框架

注册解锁完整内容