LangChain：构建智能体与LLM应用的工程平台

LangChain 是一个用于构建智能体和 LLM 驱动应用的框架。它帮助你将可互操作的组件和第三方集成串联起来，简化 AI 应用开发——同时随着底层技术的发展，让决策经得起未来考验。提示：刚入门？

试试 Deep Agents——一个基于 LangChain 构建的更高级别包，适用于具有规划、子智能体、文件系统使用等常见模式内置功能的智能体。

pip install langchain\n# 或\nuv add langchain\nfrom langchain.chat_models import init_chat_model\nmodel = init_chat_model("openai:

gpt-5.4")\nresult = model.invoke("Hello,world!")。如果你正在寻找更高级的定制或智能体编排，请查看 LangGraph，这是我们用于构建可控智能体工作流的框架。

对于等效的 JS/TS 库，请查看 LangChain.js。提示：有关开发、调试和部署 AI 智能体和 LLM 应用，请参阅 LangSmith。

虽然 LangChain 框架可以独立使用，但它也能与任何 LangChain 产品无缝集成，为开发者在构建 LLM 应用时提供全套工具。

- Deep Agents — 构建能够规划、使用子智能体并利用文件系统处理复杂任务的智能体\n- LangGraph — 使用我们的低级智能体编排框架，构建能够可靠处理复杂任务的智能体\n- 集成 — 聊天与嵌入模型、

工具与工具包等\n- LangSmith — LLM 应用的智能体评估、可观测性和调试\n- LangSmith Deployment — 通过专为长时间运行的有状态工作流构建的平台，部署和扩展智能体。

LangChain 通过模型、嵌入、向量存储等的标准接口，帮助开发者构建由 LLM 驱动的应用。

\n- 实时数据增强 — 利用 LangChain 庞大的集成库（包括模型提供商、工具、向量存储、检索器等），轻松将 LLM 连接到各种数据源和外部/内部系统\n- 模型互操作性 — 随着工程团队实验，可以换入换出模型，以找到最适合应用需求的选择。

随着行业前沿的发展，快速适应——LangChain 的抽象让你保持前进而不失动力\n- 快速原型设计 — 使用 LangChain 模块化、基于组件的架构，快速构建和迭代 LLM 应用。

测试不同的方法和工作流，无需从头重建，加速开发周期\n- 生产就绪功能 — 通过 LangSmith 等集成，部署具有内置监控、评估和调试支持的可靠应用。

使用经过实战检验的模式和最佳实践，自信地扩展。\n- 充满活力的社区和生态系统 — 利用丰富的集成、模板和社区贡献的组件生态系统。

通过活跃的开源社区，受益于持续改进，并随时了解最新的 AI 发展\n- 灵活的抽象层 — 在适合你需求的抽象级别上工作——从用于快速入门的高级链到用于细粒度控制的低级组件。

LangChain 随应用复杂度的增长而扩展\n- docs.langchain.com — 全面的文档，

包括概念概述和指南\n- reference.langchain.com/python — LangChain 包的 API 参考文档\n- Chat LangChain — 与 LangChain 文档聊天，

获取问题答案\n讨论：访问 LangChain 论坛，与社区联系并分享你的所有技术问题、想法和反馈。

\n- 贡献指南 — 了解如何为 LangChain 项目做出贡献，并找到合适的入门问题\n- 行为准则 — 我们的社区参与准则和标准\n- LangChain Academy — 由 LangChain 团队制作的关于 LangChain 库和产品的全面免费课程。