AI 应用框架 · 01
LangChain 详细解析· AI 应用编排框架（工具箱 + 编排层）
让 LLM 更强大，构建可靠的 AI 应用。
一句话总结
LangChain 是连接大语言模型与外部世界的桥梁，帮你快速构建强大、可靠、可扩展的 AI 应用。
1. LangChain 是什么？
LLM（大语言模型）
能力有限：无记忆、无工具、无联网、无结构化输出
LangChain（编排层）
能力增强：记忆(Memory)、工具(Tools)、流程(Chain/Agent)、结构化输出(Parser)
AI 应用
更智能、更可靠、更可控、可扩展
2. 核心模块详解
Prompts 提示模板
管理和复用提示模板，支持动态变量
示例：ChatPromptTemplateModels 模型管理
统一管理多个 LLM，支持切换和配置
示例：OpenAI / ChatGLM / Llama2Memory 记忆管理
在对话中保留上下文和历史信息
示例：ConversationBufferMemoryTools 工具集
连接外部工具和 API，扩展能力
示例：搜索、计算器、API 调用Chains 链式编排
按顺序编排各个步骤完成任务
示例：LLMChain / SequentialChainAgents 智能体
根据目标自主选择工具并执行
示例：ReAct Agent / AgentExecutorRetrievers 检索器
从外部知识库中检索相关信息
示例：VectorStoreRetrieverOutput Parsers 输出解析
将 LLM 输出解析为结构化格式
示例：JsonOutputParser3. 典型工作流程（Chain）
Step 1
输入
用户问题
Step 2
提示 Prompt
组装 Prompt
Step 3
模型
调用 LLM
Step 4
处理
解析输出
Step 5
输出
返回结果
4. Agent 执行流程（ReAct 思想）
思考
Thought
行动
Action
观察
Observation
再思考
Thought
5. 代码示例（快速上手）
from langchain.chat_models import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain.chains import LLMChain
# 1. 定义模型
llm = ChatOpenAI(temperature=0.7)
# 2. 定义 Prompt 模板
prompt = ChatPromptTemplate.from_template(
"你是一个{role}，请回答以下问题：{question}"
)
# 3. 创建链
chain = LLMChain(llm=llm, prompt=prompt)
# 4. 运行
result = chain.run(role="AI 助手", question="什么是 LangChain？")
print(result)6. 适用场景
智能问答系统文档问答（RAG）AI Agent 应用数据分析助手自动化工作流内容生成
7. 真实案例 & 开源项目
LangChain Official Repo官方
官方主仓库（Python），包含核心抽象、Agents、Chains、Memory、Retrievers 等全部源码。
LangChainJSTypeScript
LangChain 官方 TypeScript 版本，Next.js / Cloudflare Workers / Deno 全栈可用。
GPT Researcher17k+ ★
基于 LangChain 的自治研究型 Agent，联网检索 + 多轮推理 + 生成长报告。
Danswer / Onyx企业 RAG
开源企业搜索，用 LangChain 接多数据源（Slack/Confluence/Jira）+ 向量检索问答。
ChatChat (Langchain-Chatchat)中文
中文社区最火的 LangChain 本地知识库问答项目，完整展示 RAG + Agent 工程落地。
LangChain 官方文档Docs
从 Quickstart 到 LCEL、LangSmith、LangGraph 集成，建议从这里开始系统入门。
提示：点击卡片在新标签页打开。建议先读官方 Docs，再按需看 ChatChat / Danswer 这类工程级开源项目学习架构落地。
8. LangChain vs 其他框架
| 框架 | 定位 | 核心能力 | 灵活性 | 易用性 | 适合场景 |
|---|---|---|---|---|---|
| LangChain | 编排框架（工具箱） | Chain / Agent / 工具 / 记忆 | ★★★★★ | ★★★★ | 构建各类 AI 应用 |
| AutoGPT | 自主执行 Agent | 目标驱动、自主执行 | ★★★★ | ★★★ | 自动化任务执行 |
| MetaGPT | 多智能体协作 | 角色分工、协作流程 | ★★★ | ★★★ | 复杂项目协作开发 |
| LlamaIndex | 数据连接与 RAG | 数据处理与检索 | ★★★★ | ★★★★ | 知识库 / RAG 应用 |
优势
模块化设计，灵活组合；生态庞大，社区活跃；文档完善；适合从原型到生产的全流程开发。