Skip to main contentLangChain 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。本页面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：
如何连接组件
每个组件层都建立在前一层的基础上：
- 输入处理 – 将原始数据转换为结构化文档
- 嵌入与存储 – 将文本转换为可搜索的向量表示
- 检索 – 基于用户查询找到相关信息
- 生成 – 使用 AI 模型创建响应，可选地使用工具
- 编排 – 通过代理和记忆系统协调一切
组件类别
LangChain 将组件分为以下主要类别：
| 类别 | 目的 | 关键组件 | 使用场景 |
|---|
| 模型 | AI 推理和生成 | 聊天模型、LLMs、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 |
| 代理 | 编排和推理 | ReAct 代理、工具调用代理 | 非确定性工作流、决策制定 |
| 记忆 | 上下文保存 | 消息历史、自定义状态 | 对话、状态化交互 |
| 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 | 数据摄入 | 加载器、分割器、转换器 | PDF 处理、网络爬虫 |
| 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)
代理与工具
多代理系统
学习更多
连接这些文档 到 Claude、VSCode 等通过 MCP 实时获取答案。 
