langchain

# LangChain - 使用智能体与 RAG 构建大模型应用 构建大模型驱动应用最流行的框架。 ## 何时使用 LangChain **在以下场景使用 LangChain：** - 构建具备工具调用和推理能力（ReAct 模式）的智能体 - 实现 RAG（检索增强生成）流水线 - 需要轻松切换 LLM 提供商（OpenAI、Anthropic、Google） - 创建带有对话记忆的聊天机器人 - 大模型应用的快速原型开发 - 结合 LangSmith 可观测性进行生产环境部署 **指标**： - **119,000+ GitHub 星标** - **272,000+ 仓库**使用 LangChain - **500+ 集成**（模型、向量数据库、工具） - **3,800+ 贡献者** **可替代方案**： - **LlamaIndex**: 专注于 RAG，更适合文档问答 - **LangGraph**: 适用于复杂的有状态工作流，提供更强的控制力 - **Haystack**: 适用于生产级搜索流水线 - **Semantic Kernel**: 微软生态系统 ## 快速开始 ### 安装 bash # 核心库 (Python 3.10+) pip install -U langchain # 使用 OpenAI pip install langchain-openai # 使用 Anthropic pip install langchain-anthropic # 常用扩展 pip install langchain-community # 500+ 集成 pip install langchain-chroma # 向量数据库 ### 基础 LLM 使用 python from langchain_anthropic import ChatAnthropic # 初始化模型 llm = ChatAnthropic(model="claude-sonnet-4-5-20250929") # 简单补全 response = llm.invoke("用两句话解释量子计算") print(response.content) ### 创建智能体 (ReAct 模式) python from langchain.agents import create_agent from langchain_anthropic import ChatAnthropic # 定义工具 def get_weather(city: str) -> str: """获取城市当前天气。""" return f"{city} 天气晴朗，72°F" def search_web(query: str) -> str: """搜索网络信息。""" return f"搜索结果: {query}" # 创建智能体 (<10 行代码!) agent = create_agent( model=ChatAnthropic(model="claude-sonnet-4-5-20250929"), tools=[get_weather, search_web], system_prompt="你是一个乐于助人的助手。在需要时使用工具。" ) # 运行智能体 result = agent.invoke({"messages": [{"role": "user", "content": "巴黎的天气怎么样？"}]}) print(result["messages"][-1].content) ## 核心概念 ### 1. 模型 (Models) - LLM 抽象 python from langchain_openai import ChatOpenAI from langchain_anthropic import ChatAnthropic from langchain_google_genai import ChatGoogleGenerativeAI # 轻松切换提供商 llm = ChatOpenAI(model="gpt-4o") llm = ChatAnthropic(model="claude-sonnet-4-5-20250929") llm = ChatGoogleGenerativeAI(model="gemini-2.0-flash-exp") # 流式输出 for chunk in llm.stream("写一首诗"): print(chunk.content, end="", flush=True) ### 2. 链 (Chains) - 顺序操作 python from langchain.chains import LLMChain from langchain.prompts import PromptTemplate # 定义提示词模板 prompt = PromptTemplate( input_variables=["topic"], template="写一段关于 {topic} 的 3 句总结" )