> ## Documentation Index
> Fetch the complete documentation index at: https://langchain.idochub.dev/llms.txt
> Use this file to discover all available pages before exploring further.

# 核心理念

<Warning>
  **Alpha 版本提示：** 本文档涵盖的是 **v1-alpha** 版本。内容尚不完整，且可能随时变更。

  如需查阅最新稳定版本，请参阅 v0 版本的 [LangChain Python 文档](https://python.langchain.com/docs/introduction/) 或 [LangChain JavaScript 文档](https://js.langchain.com/docs/introduction/)。
</Warning>

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](/oss/python/langchain/tools)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](https://arxiv.org/abs/2210.03629)（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：

1. **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。
2. **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）。