14.5万 Stars 的 LLM 应用开发框架：LangChain 核心能力全景解读

LangChain 是 AI 应用开发的事实标准框架，145K Stars，帮助开发者用模块化方式构建 LLM 应用。组件链（Chain）、Agent、工具调用、记忆系统——一文讲清楚 LangChain 核心能力。

LangChain（langchain-ai/langchain，⭐ 145,510，Python，MIT）是 LLM 应用开发框架，核心理念：用可组合的模块构建复杂的 LLM 应用，而不是从零写 Prompt 和 API 调用逻辑。

核心数据

它解决什么问题

直接调用 LLM API 能跑，但难维护、难复用、难测试。LangChain 的解法：

• 组件化：Prompt 模板、LLM 调用、工具、记忆全部抽象为组件
• 链式调用：用 Chain 把组件串成工作流
• Agent 自治：Agent 自己决定调用哪个工具
• 记忆系统：跨会话保留对话上下文

技术亮点

1. Chain（链）

from langchain import LLMChain
from langchain.prompts import PromptTemplate
from langchain.llms import OpenAI

chain = LLMChain(
    llm=OpenAI(temperature=0),
    prompt=PromptTemplate.from_template("Explain {concept} in one sentence.")
)
print(chain.run("gradient descent"))

把 Prompt 模板 + LLM 封装成可复用链。

2. Agent（自主执行）

from langchain.agents import load_tools, initialize_agent
from langchain.llms import OpenAI

llm = OpenAI()
tools = load_tools(["serpapi", "llm-math"], llm=llm)
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)

agent.run("What is the population of Tokyo, multiplied by 2?")

Agent 根据问题自己选择工具、调用、得到答案。

3. 工具调用（Tools）

from langchain.tools import Tool
from langchain.utilities import SerpAPIWrapper

search = SerpAPIWrapper()
tools = [
    Tool(name="Search", func=search.run, description="Search the web")
]

支持 Google Search、Wolfram Alpha、Python REPL、SQL 等工具生态。

4. 记忆系统（Memory）

from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory(memory_key="chat_history")
# Agent 记住之前的对话内容

支持 Buffer、Summary、Entity 等多种记忆类型。

5. 丰富的集成

LLM: OpenAI / Anthropic / Google / HuggingFace / 本地模型
向量库: Pinecone / Chroma / FAISS
工具: Search / SQL / API / Python REPL
云服务: AWS / Azure / GCP

安装使用

pip install langchain

# 配合 LLM 使用
pip install langchain openai

和直接调用 API 的区别

项目地址：github.com/langchain-ai/langchain