LangChain怎么用？新手教程在哪看

LangChain 是面向开发者的开源框架，用于统一模型调用、数据检索与工作流编排。新手应从官方文档快速开始入手，按模型调用、提示词、链、检索、智能体的顺序学习，别急着做 Agent。社区教程可参考，但需注意版本差异。相关工具还有 CrewAI、DeerFlow 2.0、Refly AI 等，简单自动化未必非用它。

LangChain 的入门路径其实很清晰：先搞清楚它到底是什么、解决什么问题，然后从官方文档的「快速开始」跑通第一个 Demo，最后按「模型调用 → 提示词 → 链 → 检索 → 智能体」这条主线逐个模块啃。新手最容易踩的坑是一上来就想做 Agent，结果连最基础的模型调用都没跑通。

LangChain 到底是什么

LangChain 是由哈里森·蔡斯（Harrison Chase）与安库什·戈拉（Ankush Gola）于 2022 年在美国加利福尼亚州创立的人工智能公司开发的开源框架，核心目标是简化基于大语言模型的应用开发流程。它做的事情可以概括成一句话：把「调用模型、检索数据、编排工作流」这些环节抽象成统一的接口，让你不用为每个模型厂商写一套适配代码。

具体来说，它主要解决三类问题：

• 模型调用的统一抽象：不同厂商的模型接口、参数、返回格式都不一样，LangChain 用一层封装把它们抹平，换模型时改动量很小。
• 数据检索的接入：文档加载、切分、向量化、检索这条链路，框架里都有现成组件，这是做知识库问答的基础。
• 工作流编排：把多个步骤串成「链」，或者让模型自己决定调用哪些工具，也就是智能体（Agent）那套东西。

所以它不是一个「能直接用的 AI 产品」，而是一个给开发者用的开发框架。你想用它，得会写代码，Python 和 JavaScript/TypeScript 两个版本都有。

新手教程在哪看：三条靠谱路径

1. 官方文档的快速开始（首选）

这是最权威也最不容易过时的地方。官方文档结构通常是「教程 → 操作指南 → 概念解释 → API 参考」四层，新手直接从教程部分的快速开始入手，跟着跑通一个「调用模型 + 组装提示词 + 拿到回答」的最小例子，大概十几分钟就能有感觉。

建议顺序：

1. 先跑通最简单的模型调用，确认环境和 API Key 没问题；
2. 再学提示词模板，理解为什么要用模板而不是拼字符串；
3. 然后学链（Chain），把多个步骤串起来；
4. 接着学检索（RAG），这是实际项目里用得最多的部分；
5. 最后再碰智能体和工具调用。

2. 官方博客与版本发布说明

框架迭代很快，很多新能力是先出现在博客里的。比如 2026 年 8 月 7 日，LangChain 在美国旧金山总部发布博文，宣布其托管深度代理（Deep Agents）进入公测，产品经理 Victor Moreira 和开源工程师 Sydney Runkle 都在这次发布中露面。这类信息官方文档不一定第一时间同步，但博客会讲清楚「这个能力解决什么问题、怎么上手」。

另外 2026 年 7 月 8 日，英伟达发布博文宣布其 NVIDIA Nemotron 3 Ultra 在 LangChain 的智能体基准测试中拿到开源模型冠军，LangChain 联合创始人兼 CEO Harrison Chase 也参与了这次发布。这类基准信息对选模型有参考价值，但要注意它是特定基准下的结果，不等于所有场景都最优。

3. 社区教程与实战项目

中文社区里，各种「用 LangChain 搭一个知识库问答」的实战文章非常多，适合照着抄一遍找手感。但要注意两个问题：一是版本可能对不上，老教程里的 API 在新版本里可能已经改了；二是有些教程为了简化会跳过错误处理，实际跑起来容易崩。遇到报错，优先回官方文档查当前版本的写法。

上手前要准备什么

• 编程基础：至少要会 Python 或 JavaScript 的基本语法，能看懂函数、类、异步调用。
• 一个模型 API Key：框架本身不含模型，你得接一个能用的模型服务。
• 环境管理习惯：用虚拟环境或独立项目目录，避免依赖冲突。框架依赖较多，装的时候耐心点。
• 调试心态：第一次跑不通是常态，多半是 Key 没配好、网络不通或者版本不匹配。

几个容易混淆的相邻工具

学 LangChain 的过程中，你大概率会听到下面这些名字，它们和 LangChain 不是一回事，但经常一起出现：

如果你只是想快速做点自动化，不一定非要上 LangChain。OpenClaw 这类本地助手平台、Refly AI 这类工作流平台，门槛都比写代码低。但如果你要做的是「把大模型能力嵌进自己的产品里」，那 LangChain 这种框架层的抽象还是更合适。

给新手的几条实在建议

• 别贪多：先把模型调用和提示词模板吃透，这两块占了日常开发的一大半。
• 别急着上向量库：数据量小的时候，先用最简单的检索方式验证流程，跑通了再换专业向量库。
• 版本要锁：框架更新快，项目里把依赖版本固定住，不然某天更新完就跑不起来了。
• 多看官方示例：官方仓库里的示例代码通常是最贴合当前版本的，比二手教程可靠。
• 收费和额度以官网为准：框架本身是开源的，但你调用的模型服务、向量数据库、托管服务这些是否收费、怎么计费，各家规则不同，动手前先确认清楚，别等账单出来才后悔。

相关问题

Q1：LangChain 和直接调模型 API 有什么区别？
直接调 API 适合单一模型、简单场景；LangChain 的价值在于统一抽象和流程编排，换模型、加检索、串多步骤时优势明显，但简单任务用它反而增加复杂度。

Q2：不会 Python 能学 LangChain 吗？
官方有 JavaScript/TypeScript 版本，前端背景的人可以走这条路。但无论哪种语言，基本的编程能力是前提，纯零基础建议先补语言基础。

Q3：LangChain 和 CrewAI 该选哪个？
看你要做什么。做单智能体加工具调用、RAG 问答这类，LangChain 生态更全；做多角色协作、模拟团队分工的任务，CrewAI 的设计更对路。两者也可以配合使用。

Q4：学完 LangChain 能做什么？
典型产出包括知识库问答、文档摘要与结构化提取、多步骤自动化流程、带工具调用的智能体应用。这些也是目前企业落地最多的方向。

Q5：框架更新太快跟不上怎么办？
不用追每个新特性。盯住官方博客的重大发布和版本说明，核心概念（模型、提示词、链、检索、智能体）变化不大，变的只是 API 写法，需要时查文档就行。

参考链接

• LangChain ↗
• Claude-Mem ↗
• Gemini API 文件搜索 ↗
• MonkeyCode ↗
• Refly ↗
• Kilo Code ↗
• CrewAI ↗
• LangChain