Skip to main content
LangChain 的强大之处在于其组件如何协同工作以创建复杂的 AI 应用程序。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 应用程序：

​
组件如何连接

每个组件层都建立在前一层之上：
  1. 输入处理 – 将原始数据转换为结构化文档
  2. 嵌入与存储 – 将文本转换为可搜索的向量表示
  3. 检索 – 基于用户查询查找相关信息
  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一切

​
组件类别

LangChain 将组件组织为以下主要类别：
类别用途关键组件用例
模型AI 推理和生成聊天模型、LLM、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
记忆上下文保留消息历史、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、网络抓取
向量存储语义搜索Chroma、Pinecone、FAISS相似性搜索、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

在 GitHub 上编辑此页面 或 提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等 以获取实时答案。