LangChain 概览

相关源文件

• .github/DISCUSSION_TEMPLATE/ideas.yml
• .github/ISSUE_TEMPLATE/config.yml
• README.md
• cookbook/openai_v1_cookbook.ipynb
• docs/docs/example_data/nke-10k-2023.pdf
• docs/docs/how_to/agent_executor.ipynb
• docs/docs/how_to/character_text_splitter.ipynb
• docs/docs/how_to/configure.ipynb
• docs/docs/how_to/convert_runnable_to_tool.ipynb
• docs/docs/how_to/custom_tools.ipynb
• docs/docs/how_to/dynamic_chain.ipynb
• docs/docs/how_to/example_selectors_langsmith.ipynb
• docs/docs/how_to/extraction_examples.ipynb
• docs/docs/how_to/extraction_long_text.ipynb
• docs/docs/how_to/few_shot_examples.ipynb
• docs/docs/how_to/few_shot_examples_chat.ipynb
• docs/docs/how_to/filter_messages.ipynb
• docs/docs/how_to/function_calling.ipynb
• docs/docs/how_to/index.mdx
• docs/docs/how_to/inspect.ipynb
• docs/docs/how_to/installation.mdx
• docs/docs/how_to/logprobs.ipynb
• docs/docs/how_to/merge_message_runs.ipynb
• docs/docs/how_to/message_history.ipynb
• docs/docs/how_to/parent_document_retriever.ipynb
• docs/docs/how_to/paul_graham_essay.txt
• docs/docs/how_to/prompts_composition.ipynb
• docs/docs/how_to/prompts_partial.ipynb
• docs/docs/how_to/qa_chat_history_how_to.ipynb
• docs/docs/how_to/qa_sources.ipynb
• docs/docs/how_to/qa_streaming.ipynb
• docs/docs/how_to/recursive_text_splitter.ipynb
• docs/docs/how_to/sequence.ipynb
• docs/docs/how_to/streaming.ipynb
• docs/docs/how_to/structured_output.ipynb
• docs/docs/how_to/tool_artifacts.ipynb
• docs/docs/how_to/tool_calling.ipynb
• docs/docs/how_to/tool_calling_parallel.ipynb
• docs/docs/how_to/tool_choice.ipynb
• docs/docs/how_to/tool_configure.ipynb
• docs/docs/how_to/tool_results_pass_to_model.ipynb
• docs/docs/how_to/tool_runtime.ipynb
• docs/docs/how_to/tool_stream_events.ipynb
• docs/docs/how_to/tools_prompting.ipynb
• docs/docs/how_to/trim_messages.ipynb
• docs/docs/integrations/document_loaders/image_captions.ipynb
• docs/docs/integrations/document_transformers/google_cloud_vertexai_rerank.ipynb
• docs/docs/integrations/text_embedding/openai.ipynb
• docs/docs/introduction.mdx
• docs/docs/tutorials/agents.ipynb
• docs/docs/tutorials/chatbot.ipynb
• docs/docs/tutorials/classification.ipynb
• docs/docs/tutorials/extraction.ipynb
• docs/docs/tutorials/index.mdx
• docs/docs/tutorials/llm_chain.ipynb
• docs/docs/tutorials/qa_chat_history.ipynb
• docs/docs/tutorials/rag.ipynb
• docs/docs/tutorials/retrievers.ipynb
• docs/docs/tutorials/sql_qa.ipynb
• docs/docs/tutorials/summarization.ipynb
• docs/src/theme/Compatibility.js
• docs/src/theme/Prerequisites.js
• docs/static/img/ecosystem_packages.png
• docs/static/img/langchain_stack.png
• docs/static/img/langsmith_evaluate.png
• docs/static/img/logo-dark.svg
• docs/static/img/logo-light.svg
• docs/static/svg/langchain_stack.svg
• docs/static/svg/langchain_stack_062024.svg
• docs/static/svg/langchain_stack_062024_dark.svg
• docs/static/svg/langchain_stack_112024.svg
• docs/static/svg/langchain_stack_112024_dark.svg
• docs/static/svg/langchain_stack_dark.svg
• libs/community/README.md
• libs/core/README.md
• libs/langchain/README.md

目的与范围

本文档提供了 LangChain 框架的全面概述，涵盖了其架构、核心抽象、使用模式和开发生态系统。LangChain 是一个开发由大型语言模型（LLM）驱动的应用程序的框架，它简化了 LLM 应用程序生命周期的每个阶段，从开发到生产部署。

有关各个组件的具体实现细节，请参阅核心架构部分（#2）。有关 LLM 提供商集成的信息，请参阅提供商集成（#3）。有关应用程序模式和使用示例，请参阅应用程序和使用模式（#5）。

框架架构

LangChain 实现了分层架构，将核心抽象、集成、应用程序逻辑和部署基础设施分开。

框架架构映射

来源：README.md25-84 docs/docs/introduction.mdx48-57 docs/docs/how_to/index.mdx1-376

核心抽象和组件

该框架围绕几个核心抽象构建，这些抽象为处理 LLM 和相关技术提供了标准化的接口。

核心组件实现映射

Runnable 接口和 LCEL

Runnable 接口（langchain_core/runnables/base.py）是所有 LangChain 组件的基础，实现了用于处理 LLM 的标准方法，如 invoke、stream、batch 和 ainvoke。LangChain Expression Language (LCEL) 在此基础上构建，允许使用管道运算符（|）进行声明式组合。

语言模型和消息

聊天模型继承自 BaseChatModel（langchain_core/language_models/）并处理消息对象（langchain_core/messages/）。消息系统支持跨不同模型提供商的对话管理、工具调用和元数据跟踪。

工具系统

可以使用 @tool 装饰器（langchain_core/tools/convert.py）、StructuredTool.from_function，或通过继承 BaseTool 来创建工具。系统支持函数模式、验证以及同步/异步执行。

来源：docs/docs/tutorials/llm_chain.ipynb157-185 docs/docs/how_to/tool_calling.ipynb56-98 docs/docs/how_to/custom_tools.ipynb71-83

关键使用模式

LangChain 通过标准实现支持几种常见的应用程序模式。

检索增强生成 (RAG)

RAG 应用程序遵循标准的索引和检索模式。

1. 索引：使用 DocumentLoader 加载文档，使用 TextSplitter 分割，使用 Embeddings 嵌入，存储在 VectorStore 中。
2. 检索：使用 Retriever.similarity_search() 进行查询。
3. 生成：使用 ChatPromptTemplate 格式化上下文，使用 ChatModel 生成。

在 docs/docs/tutorials/rag.ipynb210-266 中实现。

Agent 系统

Agent 使用 LLM 来决定调用哪些工具。

在 docs/docs/tutorials/agents.ipynb39-57 中实现的核心 Agent 逻辑。

聊天机器人应用程序

聊天机器人利用 LangGraph 的持久性来实现对话内存。

在 docs/docs/tutorials/chatbot.ipynb115-126 中实现。

结构化输出

使用 with_structured_output() 提取结构化数据。

在 docs/docs/how_to/structured_output.ipynb116-118 中提供详细示例。

来源：docs/docs/tutorials/rag.ipynb200-275 docs/docs/tutorials/agents.ipynb1-131 docs/docs/tutorials/chatbot.ipynb105-155

包结构和构建系统

LangChain 使用多包单体仓库结构。

包	目的	关键组件
langchain-core	基础抽象	Runnable、BaseMessage、BaseTool
langchain	高级组件	Chains、Agents、Utilities
langchain-openai	OpenAI 集成	ChatOpenAI、OpenAIEmbeddings
langchain-anthropic	Anthropic 集成	ChatAnthropic
langchain-community	社区集成	Vector stores、Document loaders
langgraph	编排框架	State management、Workflows
langchain-cli	开发者工具	项目脚手架、Templates

构建配置

单体仓库使用集中式构建配置。

• 根目录的 pyproject.toml 和 Makefile 用于单体仓库协调。
• libs/*/ 中的独立 pyproject.toml 文件用于包特定设置。
• CI/CD 的 .github/workflows/ 中的 GitHub Actions 工作流。

构建系统详细信息请参阅 libs/*/pyproject.toml 文件和 .github/workflows/ 目录。

来源：README.md1-84 docs/docs/introduction.mdx53-57 libs/langchain/README.md1-27 libs/core/README.md1-17

开发生态系统

文档系统

LangChain 使用以下工具维护全面的文档：

• Docusaurus 用于主文档网站（docs/docusaurus.config.js）
• API Reference 从 docstrings 生成（docs/api_reference/）
• 教程系统，包含 Jupyter notebook（docs/docs/tutorials/）
• 操作指南，针对特定任务（docs/docs/how_to/）

CLI 和开发者工具

langchain-cli 包提供了

• 项目脚手架：langchain app new
• 模板管理：langchain template
• 开发服务器：langchain serve

CLI 实现位于 libs/cli/ 目录。

可观测性和评估

LangSmith 集成提供了

• LangChain 组件的自动跟踪
• 性能监控和调试
• 用于评估的数据集管理

通过以下方式启用跟踪

CI/CD 基础设施

自动化工作流处理

• 测试：跨 Python 版本和依赖项的矩阵测试
• Linting：使用 ruff 和 mypy 进行代码质量检查
• 发布：自动 PyPI 发布
• 文档：自动 API 参考生成

在 .github/workflows/check_diffs.yml 和相关工作流文件中配置管道。

来源：docs/docs/how_to/index.mdx1-376 docs/docs/tutorials/llm_chain.ipynb79-118 docs/docs/introduction.mdx98-119