简介

LangChain是构建大语言模型应用的开源框架，通过简化LLM与外部数据和工具的集成，帮助开发者创建复杂AI应用。其架构包括LangChain核心框架、LangGraph复杂任务协调、LangSmith链路追踪和LangServe服务部署。六大核心组件Model I/O、Chains、Memory、Agents、Retrieval和Callbacks提供了从模型输入输出到记忆、智能体、数据检索和回调机制的全面功能，使开发者能够构建高效、上下文感知的AI应用。

---

LangChain 是一个用于构建基于大语言模型（LLM）的应用程序的开源框架，它的核心目标是简化将大语言模型与外部数据、其他工具或系统集成的过程，帮助开发者更高效地构建复杂的、具有上下文感知能力的 AI 应用。

1、LangChain资料

官网地址：

https://www.langchain.com/langchain

官网文档：

https://python.langchain.com/docs/introduction/

API文档：

https://python.langchain.com/api_reference/

github地址：

https://github.com/langchain-ai/langchain

2、总体架构图

官方最新版本虽然都已经是V1了，但是其v0.1~v0.3各版本的架构都有参考价值，各个版本一脉相承。

v0.1版本

V0.2 / V0.3 版本

3、内部架构详情

结构1：LangChain

langchain：构成应用程序认知架构的Chains，Agents，Retrieval strategies等。

langchain-community：第三方集成

langchain-Core：基础抽象和LangChain表达式语言 (LCEL)

结构2：LangGraph

LangGraph可以看做基于LangChain的api的进一步封装，能够协调多个Chain、Agent、Tools完成更 复杂的任务，实现更高级的功能。

结构3：LangSmith

https://docs.smith.langchain.com/

链路追踪。提供了6大功能，涉及Debugging (调试)、Playground (沙盒)、Prompt Management (提 示管理)、Annotation (注释)、Testing (测试)、Monitoring (监控)等。与LangChain无缝集成，帮助你 从原型阶段过渡到生产阶段。

结构4：LangServe

将LangChain的可运行项和链部署为REST API，使得它们可以通过网络进行调用。

Java怎么调用langchain呢？就通过这个langserve。将langchain应用包装成一个rest api，对外暴露服 务。同时，支持更高的并发，稳定性更好。

4、核心组件

LangChain的核心组件涉及六大模块，这六大模块提供了一个全面且强大的框架，使开发者能够创建复 杂、高效且用户友好的基于大模型的应用。

核心组件1：Model I/O

Model I/O：标准化各个大模型的输入和输出，包含输入模版，模型本身和格式化输出。

以下是使用语言模型从输入到输出的基本流程。

以下是对每一块的总结：

• Format(格式化) ：即指代Prompts Template，通过模板管理大模型的输入。将原始数据格式化成 模型可以处理的形式，插入到一个模板问题中，然后送入模型进行处理。
• Predict(预测) ：即指代Models，使用通用接口调用不同的大语言模型。接受被送进来的问题，然后基于这个问题进行预测或生成回答。
• Parse(生成) ：即指代Output Parser 部分，用来从模型的推理中提取信息，并按照预先设定好的模板来规范化输出。比如，格式化成一个结构化的JSON对象。

核心组件2：Chains

Chain：“链条”，用于将多个模块串联起来组成一个完整的流程，是 LangChain 框架中最重要的模块。 例如，一个 Chain 可能包括一个 Prompt 模板、一个语言模型和一个输出解析器，它们一起工作以处理 用户输入、生成响应并处理输出。

常见的Chain类型：

• LLMChain ：最基础的模型调用链
• SequentialChain ：多个链串联执行
• RouterChain ：自动分析用户的需求，引导到最适合的链
• RetrievalQA ：结合向量数据库进行问答的链

核心组件3：Memory

Memory：记忆模块，用于保存对话历史或上下文信息，以便在后续对话中使用。

常见的 Memory 类型：

• ConversationBufferMemory ：保存完整的对话历史
• ConversationSummaryMemory ：保存对话内容的精简摘要（适合长对话）
• ConversationSummaryBufferMemory ：混合型记忆机制，兼具上面两个类型的特点
• VectorStoreRetrieverMemory ：保存对话历史存储在向量数据库中

核心组件4：Agents

Agents，对应着智能体，是 LangChain 的高阶能力，它可以自主选择工具并规划执行步骤。

Agent 的关键组成：

• AgentType ：定义决策逻辑的工作流模式

• Tool ：是一些内置的功能模块，如API调用、搜索引擎、文本处理、数据查询等工具。Agents通过这些工具来执行特定的功能。

• AgentExecutor ：用来运行智能体并执行其决策的工具，负责协调智能体的决策和实际的工具执行。

核心组件5：Retrieval

• Retrieval：对应着RAG，检索外部数据，然后在执行生成步骤时将其传递到 LLM。步骤包括文档加载、 切割、Embedding等

• Source ：数据源，即大模型可以识别的多种类型的数据：视频、图片、文本、代码、文档等。
• Load ：负责将来自不同数据源的非结构化数据，加载为文档(Document)对象
• Transform ：负责对加载的文档进行转换和处理，比如将文本拆分为具有语义意义的小块。
• Embed ：将文本编码为向量的能力。一种用于嵌入文档，另一种用于嵌入查询
• Store ：将向量化后的数据进行存储
• Retrieve ：从大规模文本库中检索和查询相关的文本段落

核心组件6：Callbacks

Callbacks：回调机制，允许连接到 LLM 应用程序的各个阶段，可以监控和分析LangChain的运行情 况，比如日志记录、监控、流传输等，以优化性能。

回调函数，对于程序员们应该都不陌⽣。这个函数允许我们在LLM的各个阶段使⽤各种各样的

“钩⼦”，从而达实现⽇志的记录、监控以及流式传输等功能。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝 一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝 一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇