组件架构

LangChain 的强大之处在于其组件如何协同工作来创建复杂的 AI 应用。本页提供了展示不同组件之间关系的图表。

核心组件生态系统

下图展示了 LangChain 的主要组件如何连接以形成完整的 AI 应用：

组件如何连接

每个组件层都建立在前一层的基础上：

1. 输入处理 – 将原始数据转换为结构化文档
2. 向量嵌入与存储 – 将文本转换为可搜索的向量表示
3. 检索 – 根据用户查询找到相关信息
4. 生成 – 使用 AI 模型创建响应，可选择使用工具
5. 编排 – 通过智能体和记忆系统协调所有内容

组件分类

LangChain 将组件组织为以下主要类别：

类别	用途	关键组件	使用场景
模型	AI 推理和生成	聊天模型、大语言模型(LLM)、向量嵌入模型	文本生成、推理、语义理解
工具	外部能力	API、数据库等	网络搜索、数据访问、计算
智能体	编排和推理	ReAct 智能体、工具调用智能体	非确定性工作流、决策制定
记忆	上下文保持	消息历史、自定义状态	对话、有状态交互
检索器	信息访问	向量检索器、网络检索器	RAG、知识库搜索
文档处理	数据摄取	加载器、分割器、转换器	PDF 处理、网页抓取
向量存储	语义搜索	Chroma、Pinecone、FAISS	相似性搜索、向量嵌入存储

常见模式

RAG（检索增强生成）

带工具的智能体

多智能体系统

了解更多

• 创建智能体
• 使用工具
• 浏览集成

---

将这些文档连接到 Claude、VSCode 等工具，通过 MCP 获取实时答案。

在 GitHub 上编辑此页面 或 提交问题。