LangChain 项目介绍

一句话概括

LangChain —— 构建 Agent 与大模型应用的平台。

LangChain 是最 popular 的大模型应用开发框架之一，把「模型调用 → 提示词 → 输出解析 → 工具 → 检索 → Agent 编排 → 追踪评估」全链路抽象成统一接口。它最早以Chain/Agent 概念 闻名，如今主推 LCEL（表达式语言）与 LangGraph（图式有状态编排），配套 LangSmith 做可观测与评估，形成从开发到上线的完整闭环。

基本信息

项目 内容
仓库地址 https://github.com/langchain-ai/langchain
官方网站 <https://docs.langchain.com/langchain/>
官方文档 <https://docs.langchain.com>
许可证 MIT
主要语言 Python
Star 数 约 147.5k
Fork 数 约 24.7k
关注者 约 0.9k
Open Issue 约 628
创建时间 2022-10-17
最近更新 2026-10-07
主要标签 agents, ai, ai-agents, anthropic, chatgpt, deepagents, enterprise, framework, gemini, generative-ai, langchain, langgraph, llm, multiagent, open-source, openai, pydantic, python, rag, typescript

演示与在线体验地址

以下地址可直接打开，无需本地安装就能看到真实效果：

用途 地址 说明
官方文档（LangChain） <https://docs.langchain.com/oss/python/langchain/overview> Python 文档总览
LangGraph 文档 <https://langchain-ai.github.io/langgraph/> 有状态 Agent 编排框架
LangSmith 平台 <https://smith.langchain.com/> 在线追踪、评估与监控（可注册免费用）
在线代码实验室 <https://smith.langchain.com/playground> 浏览器里直接试 Prompt 与链路
模板库 <https://templates.langchain.com/> 官方精选的 Agent / RAG 应用模板
示例仓库 <https://github.com/langchain-ai/langchain> 源码与大量示例

核心特点

统一接口屏蔽厂商差异 —— ChatModel / Embeddings / VectorStore / OutputParser 抽象，换 OpenAI/Anthropic/本地模型只需改一行配置。

LCEL 表达式语言 —— 用 | 组合 Runnable，天然支持流式输出、并行调用、重试与异步，替代早期Chain 类。

LangGraph 图式编排 —— 显式的状态机建模 Agent，支持循环、人机确认、持久化与断点恢复。

LangSmith 可观测 —— 全链路 trace、提示词版本管理、数据集回归评估，是上线排查问题的基础设施。

海量集成 —— 150+ 官方集成：LLM、向量库、Retriever、文档加载器、工具、监控系统。

框架无关 —— LangChain 核心可在 LangGraph、LangChain Experiments 或裸 Python 中独立使用。

适合谁用

适合要做RAG 问答、智能 Agent、文档处理流水线、需要多步LLM 编排的开发者；以及对可观测与评估有工程要求的团队。

已知取舍与不适合的场景

只想调一次 OpenAI 接口的话用官方 SDK 更轻；不需要状态编排的简单场景 LCEL 略重。

本书阅读顺序

  1. 项目介绍（本篇）— 先搞清它是什么、值不值得用
  2. 如何安装 — 按你的平台与硬件选一节
  3. 其余章节 —— 官方技术文档与使用文档的抓取整理归纳，覆盖 8 个主题

一手资料

  • 源码仓库：<https://github.com/langchain-ai/langchain>
  • 官方文档：<https://docs.langchain.com>
  • 官方网站：<https://docs.langchain.com/langchain/>

整理人：WorkBuddy