Skip to main content
LangChain 的发展由几个核心信念驱动：
- 大语言模型（LLM）是卓越且强大的新技术；
- 当你将 LLM 与外部数据源和计算能力相结合时，其表现会更出色；
- LLM 将重塑未来应用程序的形态。具体而言，未来的应用程序将越来越趋向“智能体化”（agentic）；
- 这一转型目前仍处于非常早期的阶段；
- 虽然构建这类智能体应用的原型很容易，但要构建足够可靠、可投入生产的智能体，目前仍然极具挑战。
langchain 的存在，旨在成为开发者使用 LLM 构建应用时最易上手的起点，同时兼具足够的灵活性和生产就绪能力，可直接用于生产环境。
我们有两个核心关注点：
第一，我们希望开发者能够随时使用当前最先进的模型进行构建。
不同提供商暴露的 API 各不相同，包括不同的模型参数和消息格式。
标准化这些模型的输入与输出是我们的核心重点，使开发者能轻松切换至最新的尖端模型，避免被特定供应商锁定。
第二，我们始终关注的不仅是“调用”模型本身，更致力于让开发者能够轻松使用这些模型来编排更复杂的流程——这些流程可与其他数据和计算能力交互，并尽可能简化这一过程。
这包括你可能希望与 LLM 集成的其他组件——我们努力简化开发者定义 LLM 可动态使用的工具的过程，同时协助解析和访问非结构化数据。
此外，还包括使用 LLM 的常见编排模式。
然而，鉴于该领域持续快速的变化，LangChain 本身也在不断演进。
以下是 LangChain 近年来如何随“使用 LLM 构建应用”的内涵演变而发展的简要时间线：
2022年10月24日：在 ChatGPT 发布前一个月，LangChain 作为 Python 包首次推出。
它包含两个主要组件：LLM 抽象层，以及针对常见用例的高层级“链”（chains）。
“链”是指预定义的计算步骤序列。例如——RAG：先执行检索步骤，再执行生成步骤。
“LangChain”这一名称源自“Language”（语言模型）和“Chains”（链）。
2022年12月：LangChain 首次引入通用智能体（agents）。
它们基于 ReAct 论文（ReAct 意为“推理与行动”）。
这些智能体使用 LLM 生成代表工具调用的 JSON，然后解析该 JSON 以确定应调用哪些工具。
2023年1月：OpenAI 发布“聊天补全”（Chat Completion）API。
此前，模型接收字符串输入并返回字符串输出。
在 ChatCompletions API 中，模型演进为接收消息列表并返回一条消息。
其他模型提供商纷纷效仿，LangChain 也随之更新，支持消息列表格式。
2023年1月：LangChain 发布 JavaScript 版本。
LLM 和智能体将改变应用程序的构建方式，而 JavaScript 是应用开发者的主流语言。
2023年2月：围绕开源 LangChain 项目，LangChain Inc 公司正式成立。
其主要目标是“让智能体无处不在”。
团队认识到，尽管 LangChain 是关键组成部分（极大简化了入门过程），但仍需其他组件支持。
2023年春季：OpenAI 在其 API 中发布“函数调用”功能。
这使得 API 能够显式生成代表工具调用的有效载荷。
其他模型提供商随后跟进，LangChain 也更新为优先使用此方法进行工具调用（而非解析 JSON）。
2023年夏季：LangChain Inc 推出闭源平台 LangSmith，提供可观测性与评估功能。
构建智能体的主要难题在于确保其可靠性，LangSmith 正是为解决这一需求而生。
LangChain 更新后与 LangSmith 无缝集成（仅需设置一个环境变量）。
2024年1月：langchain 发布 0.1 版本，这是首个非 0.0.x 系列版本。
行业正从原型阶段迈向生产阶段，因此 LangChain 更加注重稳定性。
2024年2月：LangGraph 作为开源库发布。
回顾最初，LangChain 有两个重点：LLM 抽象层，以及针对常见应用的高层级接口。
但缺少的是一个底层编排层，让开发者能精确控制智能体的运行流程。
LangGraph 正是为此而生。
LangGraph 还吸取了 LangChain 的经验教训，内置了我们在 LangChain 中发现必需的功能：流式处理、持久化执行、短期记忆、人机协同等。
2024年夏季：LangChain 拥有超过 700 个集成。
这些集成全部位于主 langchain 包中，带来诸多弊端（包体积过大、维护体验差、依赖冲突等）。
LangChain 将集成从核心包中拆分，移至独立的专属包（核心集成）或 langchain-community（长尾集成）。
2024年秋季：LangGraph 成为构建任何应用（无论是链还是智能体）的首选方式——只要应用涉及不止一次 LLM 调用（而非 LangChain 的链/智能体）。
LangChain 的链/智能体属于高层级抽象，我们发现当开发者试图提升应用可靠性时，需要比高层级接口更精细的控制。
LangGraph 提供了这种底层灵活性。
LangChain 中的大多数链和智能体被标记为弃用，并提供迁移至 LangGraph 的指南。
LangGraph 中创建了一个高层级抽象——智能体抽象，它构建于底层 LangGraph 之上，接口与 LangChain 的 ReAct 智能体一致。
2025年春季：模型 API 日益趋向多模态。
它们开始支持文件、图像、视频等输入。
langchain-core 相应更新了消息格式，使开发者能以标准化方式指定这些多模态输入。
2025年秋季：LangChain 发布 1.0 版本，包含两大主要变更：
- 标准化内容块：模型 API 从返回仅含简单内容字符串的消息，演进为支持更复杂的输出类型——推理块、引用、服务端工具调用等。LangChain 相应演进其消息格式，跨提供商实现标准化。
- 彻底重构
langchain 中的所有链与智能体：所有链和智能体现被唯一一个高层级抽象取代——构建于 LangGraph 之上的智能体抽象。该抽象最初在 LangGraph 中创建，现迁移至 LangChain。
第二点尤其标志着与 1.0 之前 LangChain 链/智能体的巨大变革。
对于仍在使用旧版 LangChain 链/智能体且不希望升级的用户（注：我们仍建议升级），可通过安装 langchain-legacy 包继续使用旧版 LangChain（该包将在官方 v1.0 正式发布前推出）。