LangChain · Ashare

LangChain

LangChain 代理工程框架

开源开源项目Windows · macOS · Linux

Python 里搭 LLM 应用与代理的抽象层：模型、嵌入、向量库可随时替换。适合快速做原型又想留后路的团队；如果你要的是可控的复杂代理，官方自己会让你去看 LangGraph。

适合

需要接多个模型 provider、向量库和工具，并且预期其中一两个以后会换掉的团队；以及要做多步检索与工具调用的应用。

不适合

只是调一次 API 拼个 prompt 的人——直接调官方 SDK 更轻；也要小心照着旧教程写：早期 Chain 风格与现在的推荐写法差别很大。

详细介绍

今天的 LangChain 已经不是 2023 年那个「链式调用」的库，官方一句话定位自己是 agent engineering platform：给你一套模型、嵌入、向量库、检索器、工具的统一接口，让你在这些东西之间换供应商时不用重写业务代码。

上手只有两行：uv add langchain，然后 from langchain.chat_models import init_chat_model + init_chat_model("openai:gpt-5.5")。JS / TS 项目有对等的 LangChain.js。

要理解它的边界，得看清生态里的分工：LangChain 是通用抽象层；LangGraph 是低层编排框架，用来做可控的多步 agent 工作流；Deep Agents 是更高层的封装，自带规划、子代理、文件系统这些常见能力；LangSmith 负责评估、可观测性与部署。README 的 TIP 直接建议你：刚入门想做复杂任务的 agent，从 Deep Agents 开始。

代价要讲清楚：抽象层是有成本的。它让你换模型容易，但也意味着调试时要穿透一层间接调用；版本演进快，早期教程里的 Chain 写法和现在推荐的写法已经不是一回事。如果你的需求就是「调一次模型、拼一段 prompt」，直接调 SDK 比引入框架轻得多——抽象层的收益要在「确实会换供应商、确实会多步编排」时才兑现。

上手步骤

详细教程

上手步骤之外的具体做法：常见场景怎么配、命令怎么写、报错怎么处理。

按第一次用会卡在哪讲：两行代码跑通之后，LangChain、LangGraph、Deep Agents、LangSmith 到底该用哪个，以及抽象层什么时候是负担。

先跑通最小例子

bashuv add langchain

pythonfrom langchain.chat_models import init_chat_model

model = init_chat_model("openai:gpt-5.5")
result = model.invoke("Hello, world!")

这两行就是现在推荐的起手式。注意 init_chat_model 里的字符串是 provider:model 形式，换供应商就是换这个前缀——这正是整套抽象存在的理由。

四个东西别搞混

这是新人最常卡住的地方。生态里四个名字各有分工：

组件	干什么	什么时候用
LangChain	通用抽象层：模型、嵌入、向量库、工具	接外部系统、想保留替换余地
LangGraph	低层编排：可控的多步 agent 工作流	流程复杂、需要精确控制每一步
Deep Agents	高层封装：自带规划、子代理、文件系统	刚入门，想要常见能力开箱即用
LangSmith	评估、可观测性、调试、部署	要上线、要看 trace、要跑评估

README 的 TIP 说得很直接：刚入门先看 Deep Agents，它就是为了「agent 该有的常见能力」而做的高层包。

抽象层值不值

LangChain 卖的是「以后能换」：模型换、向量库换、工具换，业务代码不动。

这个收益在两种情况下才兑现：

你确实会在多个 provider 之间摇摆或做 A/B
你的应用确实有多步检索、工具调用、状态流转

反过来，如果你的需求就是「拼一段 prompt 调一次模型」，直接调官方 SDK 更轻——少一层间接调用，报错栈也短得多。

旧教程是个坑

LangChain 演进很快，Chain 时代那批教程（LLMChain、ConversationalRetrievalChain 之类）与现在的推荐写法已经不是一回事。

照着 2023 年的博客抄，大概率会装上一堆废弃接口。判断方法：以 docs.langchain.com 的当前 overview 为准，博客只当思路参考。

什么时候该上 LangSmith

框架本身不提供生产可观测性。上线前要回答「这次回答为什么这么答」「token 花在哪」「改 prompt 有没有变好」，这三件事靠 LangSmith：trace、评估集、部署。

如果你的项目只是脚本级别跑一跑，先别引入；一旦要给人用、要迭代 prompt，它就是必需的。

适合谁

适合

不适合