LangChain 作为 LLM 编程框架的核心概念、架构组成及关键组件。内容涵盖 LangChain 的定义、主要价值、生态架构（langchain-core, langchain-community, langgraph 等）以及新兴 LLM 技术栈的四个部分。重点解释了提示词管理、语言链、代理器和记忆机制的工作原理。此外，还对比了 LangChain 与 Ollama 的集成关系，列举了主流竞品，并提供了详细的安装指南和常见问题解决方案。文章旨在帮助开发者理解如何利用 LangChain 简化大语言模型应用的开发与部署流程。
LangChain 是一个基于语言模型（LLM）开发应用程序的框架。它旨在简化 LLM 应用程序的生命周期，提供组件化、模块化的解决方案。
LangChain 的主要价值在于组件化和现成的链（Chains）。它为使用语言模型提供了抽象层，使得开发人员无需从零开始构建基础功能，从而减少工作量。需要注意的是，LangChain 本身并不是 LLM，需要配合具体的 LLM 模型或在线 API 使用。
LangChain 包含丰富的模块，涵盖了从输入处理到输出解析的全流程：
这些模块整合了以往分散的工具，显著节省了开发时间。
LangChain 框架由多个开源库组成：
langchain-openai, langchain-anthropic 等，重要的集成已被拆分为轻量级包。大语言模型技术栈主要由四个部分组成：
Prompts 是管理 LLM 输入的工具。在获得所需输出前，通常需要对提示进行大量调整。最终的 Prompt 可以是单句或多句组合，包含变量和条件语句。
通过设置不同模板和参数，系统可以自动生成各种问题，实现智能对话。
Chains 是一种将 LLM 和其他多个组件连接在一起的工具，以实现复杂的任务。它是 LangChain 的核心概念之一，使得入门变得容易，同时也支持更复杂应用的定制。
Agents 是使用 LLM 做出决策的工具，能够执行特定任务并生成文本输出。通常由三部分组成：
Memory 用于存储数据。由于 LLM 本身没有长期记忆，Memory 组件有助于在多次调用之间保持状态，这对于多轮对话至关重要。
Ollama 与 LangChain 是相互集成和协同工作的关系。
具体而言，LangChain 通过 langchain-ollama 包提供了与 Ollama 模型的集成，开发者可以在 Python 环境中方便地使用 Ollama 模型。LangChain 还支持流式响应和使用提示模板等复杂操作。两者结合为用户提供了强大的本地部署和使用大模型的解决方案。
在商业化上，基于大模型的业务分为基础设施层、垂直领域层和应用层。类似 LangChain 的工具框架具备加速应用开发和落地验证的优势，因此出现了许多竞争者：
| 名称 | 语言 | 特点 |
|---|---|---|
| LangChain | Python/JS | 提供标准内存接口，支持自定义大模型封装；缺点是评估生成模型性能较难。 |
| Dust.tt | Rust/TS | API 简单易用，快速构建 LLM 应用；缺点是文档不够完善。 |
| Semantic Kernel | TypeScript | 轻量级 SDK，可将 AI 大模型与传统编程语言集成；缺点是文档不够完善。 |
| Fixie.ai | Python | 开放、免费、简单，支持多模态；缺点是 PaaS 平台，需在平台部署。 |
| Brancher AI | Python/JS | 链接所有大模型，无代码快速生成应用。 |
# 方式 1: 使用 pip
pip install langchain
# 方式 2: 使用 conda
conda install langchain -c conda-forge
注意：默认安装并不包括所有集成所需的依赖，需根据具体需求单独安装某些集成的依赖。
langchain-core)：包含基础抽象类和 LangChain 表达语言。
pip install langchain-core
langchain-community)：包含第三方集成。
pip install langchain-community
langchain-experimental)：用于研究和实验用途。
pip install langchain-experimental
pip install langgraph
pip install "langserve[all]"
pip install langchain-cli
pip install langsmith
pip 和 setuptools：
pip install --upgrade pip setuptools
LangChain 通过提供标准化的组件和抽象层，极大地降低了开发 LLM 应用的门槛。无论是简单的问答系统还是复杂的代理应用，LangChain 都能提供相应的支持。随着生态的不断完善，它已成为 LLM 应用开发的重要基础设施之一。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online