langchain-ai/langchain

LangChain 是一个用于构建智能体和基于 LLM 的应用程序的框架。它可以帮助你将可互操作的组件和第三方集成串联起来，从而简化 AI 应用的开发——同时确保在底层技术不断演进时，你的技术决策依然具有前瞻性。 ## 快速入门 ``` pip install langchain # 或 uv add langchain ``` ``` from langchain.chat_models import init_chat_model model = init_chat_model("openai:gpt-5.4") result = model.invoke("Hello, world!") ``` 如果你正在寻找更高级的自定义功能或智能体编排能力，请查看 [LangGraph](https://docs.langchain.com/oss/python/langgraph/overview)，这是我们用于构建可控智能体工作流的框架。 如需对应的 JS/TS 库，请查看 [LangChain.js](https://github.com/langchain-ai/langchainjs)。 ## LangChain 生态系统 虽然 LangChain 框架可以单独使用，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](http://docs.langchain.com/oss/python/deepagents/)** — 构建能够进行规划、使用子智能体并利用文件系统处理复杂任务的智能体 - **[LangGraph](https://docs.langchain.com/oss/python/langgraph/overview)** — 使用我们的底层智能体编排框架，构建能够可靠处理复杂任务的智能体 - **[Integrations](https://docs.langchain.com/oss/python/integrations/providers/overview)** — 聊天与嵌入模型、工具与工具包等 - **[LangSmith](https://www.langchain.com/langsmith)** — 针对 LLM 应用的智能体评估、可观测性与调试 - **[LangSmith Deployment](https://docs.langchain.com/langsmith/deployments)** — 使用专为长时间运行的有状态工作流构建的平台，部署和扩展你的智能体 ## 为什么使用 LangChain？ LangChain 通过为模型、嵌入、向量存储等提供标准接口，帮助开发者构建基于 LLM 的应用程序。 - **实时数据增强** — 轻松将 LLM 连接到各种数据源和外部/内部系统，依托 LangChain 庞大的集成库（涵盖模型提供商、工具、向量存储、检索器等） - **模型互操作性** — 在工程团队进行试验以寻找最适合应用需求的模型时，可以轻松替换模型。随着行业前沿的发展快速适应——LangChain 的抽象让你在不断前行的同时保持动力 - **快速原型设计** — 利用 LangChain 模块化、基于组件的架构，快速构建并迭代 LLM 应用。无需从头开始重建即可测试不同的方法和业务流，从而加速开发周期 - **生产级就绪特性** — 通过 LangSmith 等集成提供的内置监控、评估和调试支持，部署可靠的应用程序。使用经过实战检验的模式和最佳实践，充满信心地进行扩展 - **充满活力的社区与生态系统** — 利用由丰富的集成、模板和社区贡献组件组成的生态系统。从一个活跃的开源社区中受益，获得持续的改进并随时掌握最新的 AI 发展动态 - **灵活的抽象层** — 在适合你需求的抽象层级上工作——从用于快速上手的高级链，到用于精细控制的底层组件。LangChain 会随着你的应用复杂度的增加而不断成长 ## 文档 - [docs.langchain.com](https://docs.langchain.com/oss/python/langchain/overview) – 综合文档，包含概念概述和指南 - [reference.langchain.com/python](https://reference.langchain.com/python) – LangChain 包的 API 参考文档 - [Chat LangChain](https://chat.langchain.com/) – 与 LangChain 文档进行对话，获取你问题的答案 **讨论**：访问 [LangChain 论坛](https://forum.langchain.com)，与社区建立联系，并分享你所有的技术问题、想法和反馈。 ## 更多资源 - [贡献指南](https://docs.langchain.com/oss/python/contributing/overview) – 了解如何为 LangChain 项目做贡献，并找到适合新手的议题。 - [行为准则](https://github.com/langchain-ai/langchain/?tab=coc-ov-file) – 我们的社区指导原则和参与标准。 - [LangChain Academy](https://academy.langchain.com/) – 由 LangChain 团队制作的关于 LangChain 库和产品的全面且免费的课程。

标签：Agent工程, AI工程平台, AI开发工具, AI生态, CMS安全, DLL 劫持, GPT, JavaScript, LangChain, LangGraph, LLM框架, OpenAI, OpenSearch, Petitpotam, Python, RAG, TypeScript, 内存规避, 大语言模型, 安全插件, 工作流编排, 开源框架, 持续集成, 提示词工程, 数据可视化, 数据防泄漏, 无后门, 智能体开发, 模型链, 漏洞管理, 第三方集成, 策略决策点, 网络调试, 自动化, 轻量级, 逆向工具