LangChain

LangChain 是什么？

LangChain 是一个开源的大模型应用开发框架，由 Harrison Chase 于 2022 年创建。它旨在简化基于大语言模型（LLM）的应用程序构建过程，通过提供标准化的接口和组件，帮助开发者串联 LLM、外部工具、数据源等，快速实现检索增强生成（RAG）、智能代理（Agent）等复杂功能。LangChain 支持多种主流 LLM（如 OpenAI、Claude、Hugging Face）和向量数据库，并提供了丰富的工具集成。它最适合需要构建自定义 AI 应用（如聊天机器人、文档问答、自动化工作流）的开发者，尤其是那些希望减少重复性编码工作、快速原型验证的团队。

适用场景

• 构建基于文档的问答系统
• 开发能调用外部 API 的智能代理
• 实现多步骤推理的复杂工作流
• 快速搭建聊天机器人原型
• 整合多个 LLM 和工具进行实验

如何使用 LangChain

1. 1通过 pip install langchain 安装框架
2. 2在代码中导入 LangChain 并设置 LLM 密钥
3. 3定义提示模板和输出解析器
4. 4使用链（Chain）组合 LLM 和工具
5. 5运行链并获取结果

价格

LangChain 本身开源免费。使用其云服务 LangSmith（调试、监控）有免费额度，超出后按量计费。

替代品

常见问题

LangChain 免费吗？

LangChain 框架本身是开源免费的，你可以直接通过 pip 安装使用。但如果你需要使用其云服务 LangSmith 进行调试和监控，则有一定的免费额度，超出后需要付费。另外，调用底层 LLM（如 OpenAI）的费用由相应服务商收取。

LangChain 国内能用吗？

LangChain 框架本身可以正常安装和使用。但如果你调用 OpenAI 等国外 LLM，可能需要科学上网。国内有替代方案，如使用国产 LLM（百度文心、阿里通义）或部署本地模型，LangChain 也支持这些模型。

LangChain 和 LlamaIndex 哪个好？

两者侧重点不同。LangChain 更通用，适合构建复杂的 Agent 和工作流；LlamaIndex 专注于数据索引和检索，特别适合 RAG 场景。如果你主要做文档问答，LlamaIndex 可能更简单；如果需要多工具集成和复杂逻辑，LangChain 更灵活。

LangChain 支持哪些模型？

LangChain 支持几乎所有主流 LLM，包括 OpenAI、Claude、Hugging Face 模型、Cohere、Google PaLM 等，也支持国产模型如百度文心、阿里通义、智谱 GLM。你可以通过统一的接口切换模型，非常方便。

如何用 LangChain 构建一个简单的聊天机器人？

首先安装 langchain，然后导入 ChatOpenAI 等模型类。接着定义对话链（ConversationChain），设置内存（如 ConversationBufferMemory）以记住上下文。最后调用 chain.predict(input='你好') 即可。具体可参考官方文档的快速入门教程。