理念

LangChain 由几个核心信念驱动：

大型语言模型（LLM）是一项伟大的新技术。
当 LLM 与外部数据源结合时，它们会更加强大。
LLM 将改变未来应用的面貌。具体来说，未来的应用将越来越具有 agent 特性。
这种转变仍处于非常早期的阶段。
虽然构建这些 agent 应用的原型很容易，但构建足够可靠以投入生产的 agent 仍然非常困难。

在 LangChain 中，我们有两个核心关注点：

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。标准化这些模型的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的模型，避免被锁定。模型的应用不应仅限于*文本生成*——它们还应被用于编排与其他数据交互的更复杂流程。LangChain 使定义 LLM 可以动态使用的 [工具](/oss/langchain/tools) 变得简单，并帮助解析和访问非结构化数据。

历史

鉴于该领域不断变化，LangChain 也随着时间的推移而发展。以下是 LangChain 多年来如何变化的简要时间线，与使用 LLM 进行构建的含义一起演进：

在 ChatGPT 发布前一个月，**LangChain 作为 Python 包推出**。它由两个主要组件组成：

- LLM 抽象
- "Chains"，或为常见用例运行的预定计算步骤。例如 - RAG：运行检索步骤，然后运行生成步骤。

名称 LangChain 来自 "Language"（如语言模型）和 "Chains"。

第一个通用 agent 被添加到 LangChain 中。

这些通用 agent 基于 [ReAct 论文](https://arxiv.org/abs/2210.03629)（ReAct 代表 Reasoning 和 Acting）。它们使用 LLM 生成表示工具调用的 JSON，然后解析该 JSON 以确定调用哪些工具。

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，它们演变为接收消息列表并返回消息。其他模型提供商也纷纷效仿，LangChain 更新为与消息列表一起工作。

LangChain 发布 JavaScript 版本。

LLM 和 agent 将改变应用的构建方式，而 JavaScript 是应用开发者的语言。

**LangChain Inc. 作为一家公司成立**，围绕开源 LangChain 项目。

主要目标是 "让智能 agent 无处不在"。团队认识到，虽然 LangChain 是关键部分（LangChain 使开始使用 LLM 变得简单），但也需要其他组件。

OpenAI 在其 API 中发布 'function calling'。

这允许 API 显式生成表示工具调用的 payload。其他模型提供商也纷纷效仿，LangChain 更新为使用此方法作为工具调用的首选方法（而不是解析 JSON）。

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

构建 agent 的主要问题是如何让它们变得可靠，而 LangSmith（提供可观测性和评估）就是为了解决这一需求而构建的。LangChain 已更新为与 LangSmith 无缝集成。

**LangChain 发布 0.1.0**，这是第一个非 0.0.x 版本。

行业从原型走向生产，因此，LangChain 增加了对稳定性的关注。

**LangGraph 作为开源库发布**。

原始 LangChain 有两个关注点：LLM 抽象和用于开始常见应用的高级接口；然而，它缺少一个低级编排层，让开发者控制 agent 的确切流程。于是：LangGraph 诞生了。

在构建 LangGraph 时，我们从构建 LangChain 的经验中吸取了教训，并添加了我们发现需要的功能：流式传输、持久执行、短期记忆、人在回路（human-in-the-loop）等。

**LangChain 拥有超过 700 个集成。**

:::python
集成从核心 LangChain 包中分离出来，要么移动到独立的包中（对于核心集成），要么移动到 `langchain-community`。
:::
:::js
集成从核心 LangChain 包中分离出来，要么移动到独立的包中（对于核心集成），要么移动到 `@langchain/community`。
:::

LangGraph 成为构建任何超过单个 LLM 调用的 AI 应用的首选方式。

随着开发者试图提高应用的可靠性，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 chains 和 agent 都被标记为弃用，并提供了如何迁移到 LangGraph 的指南。LangGraph 中仍然创建了一个高级抽象：一个 agent 抽象。它构建在低级 LangGraph 之上，具有与 LangChain 中的 ReAct agent 相同的接口。

模型 API 变得更加多模态。

:::python
模型开始接受文件、图像、视频等。我们相应地更新了 `langchain-core` 消息格式，使开发者能够以标准方式指定这些多模态输入。
:::
:::js
模型开始接受文件、图像、视频等。我们相应地更新了 `@langchain/core` 消息格式，使开发者能够以标准方式指定这些多模态输入。
:::

**LangChain 发布 1.0**，有两个重大变化：

1. 完全重构 `langchain` 中的所有 chains 和 agent。所有 chains 和 agent 现在仅替换为一个高级抽象：一个构建在 LangGraph 之上的 agent 抽象。这是最初在 LangGraph 中创建的高级抽象，只是迁移到了 LangChain。

    :::python
    对于仍在使用旧版 LangChain chains/agents 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。
    :::
    :::js
    对于仍在使用旧版 LangChain chains/agents 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 从返回具有简单内容字符串的消息演变为更复杂的输出类型——推理块、引用、服务器端工具调用等。LangChain 演进了其消息格式以跨提供商标准化这些内容。