设计理念

LangChain 致力于成为使用大语言模型(LLM)构建应用最简便的平台，同时兼具灵活性和生产就绪能力。

LangChain 由几个核心理念驱动：

• 大语言模型(LLM)是强大的新技术。
• 当大语言模型(LLM)与外部数据源结合时，它们会变得更加强大。
• 大语言模型(LLM)将改变未来应用的形态。具体来说，未来的应用将越来越具有智能体特性。
• 这一转变仍处于非常早期的阶段。
• 虽然构建这些智能体应用的原型很容易，但构建足够可靠以投入生产的智能体仍然非常困难。

今天，开发者可以选择如何构建智能体：使用 LangChain 获得最大的灵活性和控制力，或使用 Deep Agents，它提供类似的灵活性和控制力，但内置了规划、文件系统工具、子智能体和上下文管理等功能。两者都构建在 LangGraph 之上。

在 LangChain 中，我们有两个核心关注点：

1. 我们希望让开发者能够使用最好的模型进行构建。

   不同的提供商暴露不同的 API，具有不同的模型参数和不同的消息格式。 标准化这些模型输入和输出是核心关注点，使开发者能够轻松切换到最新的最先进模型，避免锁定。

2. 我们希望让使用模型编排与其他数据和计算交互的更复杂流程变得简单。

   模型不应该仅用于文本生成——它们还应该用于编排与其他数据交互的更复杂流程。LangChain 使定义大语言模型(LLM)可以动态使用的工具变得简单，并且有助于解析和访问非结构化数据。

历史

鉴于该领域持续的变化速度，LangChain 也随时间不断演进。以下是 LangChain 多年来如何变化的简要时间线，与使用大语言模型(LLM)构建应用的含义一同演进：

​

2022-10-24

v0.0.1

在 ChatGPT 发布一个月前，LangChain 作为 Python 包发布。它由两个主要组件组成：

• LLM 抽象
• “链”，即针对常见用例运行的预定义计算步骤。例如 - RAG：运行检索步骤，然后运行生成步骤。

LangChain 这个名字来自”Language”（语言，如语言模型）和”Chains”（链）。

​

2022-12

首批通用智能体被添加到 LangChain 中。

这些通用智能体基于 ReAct 论文（ReAct 代表 Reasoning and Acting，即推理与行动）。它们使用大语言模型(LLM)生成表示工具调用的 JSON，然后解析该 JSON 来确定要调用的工具。

​

2023-01

OpenAI 发布了”Chat Completion” API。

此前，模型接收字符串并返回字符串。在 ChatCompletions API 中，它们进化为接收消息列表并返回消息。其他模型提供商纷纷效仿，LangChain 也更新为支持消息列表。

​

2023-01

LangChain 发布了 JavaScript 版本。

大语言模型(LLM)和智能体将改变应用构建方式，而 JavaScript 是应用开发者的语言。

​

2023-02

LangChain Inc. 作为公司成立，围绕开源 LangChain 项目。

主要目标是”让智能体无处不在”。团队认识到，虽然 LangChain 是关键部分（LangChain 使大语言模型(LLM)的入门变得简单），但还需要其他组件。

​

2023-03

OpenAI 在其 API 中发布了”function calling”功能。

这允许 API 显式生成表示工具调用的负载。其他模型提供商纷纷效仿，LangChain 也更新为使用此方法作为工具调用的首选方式（而非解析 JSON）。

​

2023-06

LangSmith 发布，作为 LangChain Inc. 的闭源平台，提供可观测性和评估功能。

构建智能体的主要问题是让它们变得可靠，而 LangSmith 提供可观测性和评估功能，就是为了解决这个需求。LangChain 更新为与 LangSmith 无缝集成。

​

2024-01

v0.1.0

LangChain 发布 0.1.0，其第一个非 0.0.x 版本。

行业从原型走向生产，因此 LangChain 更加注重稳定性。

​

2024-02

LangGraph 作为开源库发布。

原始的 LangChain 有两个重点：LLM 抽象和用于常见应用入门的高级接口；但是，它缺少一个允许开发者控制智能体确切流程的低级编排层。LangGraph 应运而生。

在构建 LangGraph 时，我们从构建 LangChain 时学到的经验中吸取教训，并添加了我们发现需要的功能：流式输出、持久执行、短期记忆、人机协作等。

​

2024-06

LangChain 拥有超过 700 个集成。

集成从核心 LangChain 包中拆分出来，要么移到自己的独立包中（对于核心集成），要么移到 langchain-community。

​

2024-10

LangGraph 成为构建任何超出单次 LLM 调用的 AI 应用的首选方式。

当开发者试图提高其应用的可靠性时，他们需要比高级接口提供的更多控制。LangGraph 提供了这种低级灵活性。LangChain 中的大多数链和智能体被标记为已弃用，并提供了迁移到 LangGraph 的指南。LangGraph 中仍然创建了一个高级抽象：智能体抽象。它构建在低级 LangGraph 之上，具有与 LangChain 中 ReAct 智能体相同的接口。

​

2025-04

模型 API 变得更加多模态。

模型开始接受文件、图片、视频等。我们相应地更新了 langchain-core 消息格式，允许开发者以标准方式指定这些多模态输入。

​

2025-10-20

v1.0.0

LangChain 发布 1.0，带来两个重大变化：

1. 完全重构 langchain 中的所有链和智能体。所有链和智能体现在仅替换为一个高级抽象：构建在 LangGraph 之上的智能体抽象。这是最初在 LangGraph 中创建的高级抽象，只是移到了 LangChain。

   对于仍在使用旧版 LangChain 链/智能体且不想升级的用户（注意：我们建议你升级），你可以通过安装 langchain-classic 包继续使用旧版 LangChain。

2. 标准消息内容格式：模型 API 从返回简单内容字符串的消息发展到更复杂的输出类型——推理块、引用、服务端工具调用等。LangChain 发展其消息格式以跨提供商标准化这些内容。

​

2026-03-15

v0.5.3

Deep Agents 发布，作为构建在 LangGraph 之上的开源智能体框架。

虽然 LangChain 为自定义智能体架构提供了灵活的构建块，但 Deep Agents 为复杂的长时间运行任务（如研究和编码）提供了开箱即用的选项。它添加了内置规划工具、具有可插拔后端（内存、磁盘、LangGraph 存储、沙箱）的虚拟文件系统，以及用于上下文隔离的子智能体生成。对于具有预定义工具的更自主的智能体使用 Deep Agents；对于完全控制智能体架构使用 LangChain。

---

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。