- 大语言模型（LLMs）是一项出色且强大的新技术。
- 当你将大语言模型与外部数据源结合使用时，它们会变得更加强大。
- 大语言模型将改变未来应用程序的面貌。具体来说，未来的应用程序将越来越具有智能体特性。
- 这种转变仍处于非常早期的阶段。
- 虽然构建这些智能体应用程序的原型很容易，但构建足够可靠以投入生产的智能体仍然非常困难。
我们希望赋能开发者使用最好的模型进行构建。
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一个核心关注点，使开发者能够轻松切换到最新的最先进模型，避免被锁定。
我们希望让使用模型来编排与其他数据和计算交互的复杂流程变得简单。
模型应该不仅仅用于文本生成——它们还应该用于编排与其他数据交互的更复杂的流程。LangChain 使得定义大语言模型可以动态使用的 工具 变得容易，并有助于解析和访问非结构化数据。
历史
鉴于该领域的不断变化，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，它与使用大语言模型进行构建的意义一同演进：在 ChatGPT 发布前一个月，LangChain 作为 Python 包发布。它包含两个主要组件：
- 大语言模型抽象
- “链”，或为常见用例预定义的计算步骤。例如 - RAG：运行检索步骤，然后运行生成步骤。
2022-12
第一批通用智能体被添加到 LangChain 中。这些通用智能体基于 ReAct 论文（ReAct 代表推理与行动）。它们使用大语言模型生成代表工具调用的 JSON，然后解析该 JSON 以确定要调用哪些工具。
2023-01
OpenAI 发布了“聊天补全”API。以前，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。其他模型提供商纷纷效仿，LangChain 也更新为支持消息列表。
2023-01
LangChain 发布了 JavaScript 版本。大语言模型和智能体将改变应用程序的构建方式，而 JavaScript 是应用程序开发者的语言。
2023-02
LangChain Inc. 作为一家公司成立，围绕开源的 LangChain 项目。主要目标是“让智能体无处不在”。团队认识到，虽然 LangChain 是关键部分（LangChain 使得入门大语言模型变得简单），但也需要其他组件。
2023-03
OpenAI 在其 API 中发布了“函数调用”功能。这允许 API 显式生成代表工具调用的有效负载。其他模型提供商纷纷效仿，LangChain 也更新为使用此方法作为工具调用的首选方式（而不是解析 JSON）。
2023-06
LangSmith 作为闭源平台由 LangChain Inc. 发布，提供可观测性和评估功能。构建智能体的主要问题是让它们变得可靠，而提供可观测性和评估的 LangSmith 就是为了解决这一需求而构建的。LangChain 更新为与 LangSmith 无缝集成。
LangChain 发布了 0.1.0，这是其第一个非 0.0.x 版本。行业从原型走向成熟生产，因此，LangChain 加大了对稳定性的关注。
2024-02
LangGraph 作为开源库发布。原始的 LangChain 有两个关注点：大语言模型抽象，以及用于入门常见应用程序的高级接口；然而，它缺少一个允许开发者精确控制其智能体流程的低级编排层。于是：LangGraph 应运而生。在构建 LangGraph 时，我们从构建 LangChain 的经验教训中学习，并添加了我们发现需要的功能：流式处理、持久执行、短期记忆、人机交互等等。
2024-06
LangChain 拥有超过 700 个集成。集成从核心 LangChain 包中分离出来，要么移入各自的独立包（对于核心集成），要么移入
langchain-community。2024-10
LangGraph 成为构建任何超越单次大语言模型调用的 AI 应用程序的首选方式。随着开发者尝试提高其应用程序的可靠性，他们需要比高级接口提供的更多控制。LangGraph 提供了那种低级灵活性。大多数链和智能体在 LangChain 中被标记为已弃用，并提供了如何将它们迁移到 LangGraph 的指南。在 LangGraph 中仍然创建了一个高级抽象：一个智能体抽象。它构建在低级 LangGraph 之上，并与 LangChain 中的 ReAct 智能体具有相同的接口。
2025-04
模型 API 变得更加多模态。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，允许开发者以标准方式指定这些多模态输入。LangChain 发布了 1.0，包含两个主要变化：
-
全面重写了
langchain中的所有链和智能体。所有链和智能体现在被替换为仅一个高级抽象：一个构建在 LangGraph 之上的智能体抽象。这是最初在 LangGraph 中创建的高级抽象，只是移到了 LangChain 中。 对于仍在使用旧版 LangChain 链/智能体且不想升级的用户（注意：我们建议您升级），您可以通过安装langchain-classic包继续使用旧版 LangChain。 - 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 演进其消息格式以在提供商之间标准化这些内容。
Deep Agents 作为开源智能体框架发布，构建在 LangGraph 之上。虽然 LangChain 为自定义智能体架构提供了灵活的构建块，但 Deep Agents 为研究和编码等复杂、长时间运行的任务提供了一个开箱即用的选项。它添加了内置的规划工具、具有可插拔后端（内存、磁盘、LangGraph 存储、沙箱）的虚拟文件系统，以及用于上下文隔离的子智能体生成。对于具有预定义工具的更自主的智能体，请使用 Deep Agents；对于完全控制您的智能体架构，请使用 LangChain。
将这些文档 通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。