LangChain
★ 140.7k · GitHub →最早的 LLM 应用框架,如今是拥有最大集成库的 Agent 工程平台。
安装
$ pip install langchain LangChain 是什么?
LangChain 诞生于 2022 年,是把 LLM 调用、工具和检索"链"起来这一模式的开创者。经过 1.x 大版本重构后,它重新定位为"Agent 工程平台":为聊天模型、Embedding、向量库、工具提供统一接口,并在 LangGraph 之上封装了标准的 Agent 抽象。0.x 时代什么都往里塞的臃肿已被大幅裁剪,大部分能力拆进了按需安装的集成包。
它真正的护城河是集成生态:数百个模型供应商、向量数据库、检索器和工具包共享一套接口,把 OpenAI 换成 Anthropic、Pinecone 换成 pgvector 往往只改一行。周边生态——低层编排用 LangGraph、追踪评估用 LangSmith、规划/子 Agent 模式用 Deep Agents——是 LangChain 公司的商业化所在;框架本身是 MIT 协议。
诚实的代价是抽象层次:LangChain 隔在你和模型 API 之间,出问题时要穿透它的层层封装去调试。不少团队曾在 0.x 时代弃坑改用原生 SDK;1.x 重写解决了大部分诟病,但这个框架仍然更适合愿意学习其惯用法的开发者,而不是与之对抗的人。
核心能力
- ▸ 统一接口覆盖数百个模型供应商、向量库、Embedding 与工具
- ▸ 基于 LangGraph 运行时的标准 Agent 抽象(create_agent)
- ▸ Deep Agents 包:内置规划、子 Agent 与基于文件系统的长任务能力
- ▸ 一等 LangSmith 集成,提供追踪、评估与线上调试
- ▸ Python 与 JS/TS 双实现成熟,模板和教程生态无出其右
什么时候该用它
当集成广度比抽象轻薄更重要时选 LangChain——混用多个向量库的 RAG 管线、需要随时切换模型供应商的应用、或想开箱即用 LangSmith 可观测性的团队。如果只是针对单一供应商构建一个目标明确的 Agent,别选它:更薄的 SDK(Pydantic AI、OpenAI Agents SDK、Strands)意味着更少的调试层数。需要精细控制 Agent 状态机的话,直接下沉到它底层的 LangGraph。
替代方案
常见问题
LangChain 还有必要学吗?是不是被 LangGraph 取代了?
两者由同一家公司维护,分工不同。LangChain 提供集成生态和标准 Agent 抽象,LangGraph 是它底层的低层编排运行时。1.x 之后 LangChain 的 Agent 实际跑在 LangGraph 上,是分层关系而非取代——需要自定义控制流时才下沉到 LangGraph。
LangChain 可以免费商用吗?
可以。LangChain 框架是 MIT 协议的开源软件,没有使用限制。公司通过 LangSmith(可观测性、评估)和 LangSmith Deployment 这些可选付费产品盈利。生产环境不用 LangSmith 也行,任何兼容 OpenTelemetry 的追踪后端都能接。
为什么有些开发者不喜欢 LangChain?
0.x 时代它以过度抽象出名:调用栈深、频繁 breaking change、封装层遮蔽了底层 API。1.x 重写精简了核心并稳定了接口,但根本的取舍没变——用一层抽象换取可移植性和集成生态。追求最大透明度的团队通常更喜欢薄一点的 SDK。
星标数据更新于 2026-07-02 · 每周从 GitHub API 自动刷新 · 浏览全部工具 →