2026年LangChain知识速览

科技前沿 • 2026-03-15 12:40 • 阅读 0

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

文章目录

LangChain知识速览
- 核心概念
- - 是什么
  - 核心优势
- 核心组件
- - Model I/O
  - Chains（链）
  - Data Connection（数据连接）
  - Memory（记忆）
  - Agents（智能体）
  - Callbacks（回调）
- 典型应用场景
- - RAG（检索增强生成）
  - Chatbot（对话机器人）
  - Agents（自主代理）
  - 结构化数据提取
- 关键代码模式
- - 基础链
  - RAG流程
加载→分割→存储→检索→问答
- - Agent使用
- 生态工具
- - LangSmith
  - LangServe
  - LangGraph

是什么

大语言模型应用开发框架
Python/JS双语言支持
链式调用设计哲学

核心优势

模块化组件
标准化接口
生态丰富

Model I/O

Models（模型）
- LLMs（文本补全）
- Chat Models（对话模型）
- Embeddings（嵌入模型）
Prompts（提示词）
- Prompt Template（模板）
- Few-shot Prompting（少样本）
- Example Selectors（示例选择器）
Output Parsers（输出解析器）
- PydanticOutputParser
- StructuredOutputParser
- JSON/YAML解析

Chains（链）

LLMChain（基础链）
SequentialChain（顺序链）
RouterChain（路由链）
TransformChain（转换链）

Data Connection（数据连接）

Document Loaders（文档加载）
- 文本/PDF/网页/数据库
Text Splitters（文本分割）
- RecursiveCharacterTextSplitter
- TokenTextSplitter
Vector Stores（向量存储）
- Chroma/Pinecone/Milvus/FAISS
Retrievers（检索器）
- similarity_search
- MMR检索

Memory（记忆）

ConversationBufferMemory（缓冲记忆）
ConversationBufferWindowMemory（窗口记忆）
ConversationSummaryMemory（摘要记忆）
VectorStoreRetrieverMemory（向量检索记忆）

Agents（智能体）

Agent类型
- Zero-shot ReAct
- Structured Chat
- Conversational
- OpenAI Functions
Tools（工具）
- 搜索引擎
- 计算器
- API调用
- 自定义工具
AgentExecutor（执行器）

Callbacks（回调）

日志记录
流式输出
监控追踪（LangSmith）

RAG（检索增强生成）

文档加载→分割→嵌入→检索→生成

Chatbot（对话机器人）

多轮对话+记忆管理

Agents（自主代理）

工具调用+任务规划

结构化数据提取

从非结构化文本提取JSON

基础链

chain = LLMChain(llm=llm, prompt=prompt)

result = chain.run(input)

RAG流程

loader = TextLoader("doc.txt")

docs = loader.load()

splits = splitter.split_documents(docs)

vectorstore = Chroma.from_documents(splits, embeddings)

qa = RetrievalQA.from_chain_type(llm, retriever=vectorstore.as_retriever())

Agent使用

tools = [search, calculator]

agent = initialize_agent(tools, llm, agent="zero-shot-react-description")

agent.run("查询北京天气并计算摄氏度")

LangSmith

调试追踪
性能监控
提示词管理

LangServe

链部署为API服务

LangGraph

构建复杂多智能体工作流