LangChain的哲学理念-程序员充电站

哲学理念

LangChain 的使命是：成为使用大语言模型（LLM）构建应用最简单、最灵活且可直接投入生产的起点。

LangChain 的发展由以下几项核心信念驱动：

大语言模型（LLMs）是一项强大而卓越的新技术。

当 LLM 与外部数据源结合时，其能力将更上一层楼。
LLM 将重塑未来应用程序的形态——未来的应用将越来越具备“智能体”（agentic）特征。
这场变革仍处于早期阶段。
虽然构建这类智能体应用的原型很容易，但要打造足够可靠、能真正投入生产环境的 Agent，依然极具挑战。

基于此，LangChain 聚焦于两大核心目标：

我们希望让开发者能够使用最佳模型进行开发。
不同模型提供商暴露的 API 各不相同——参数不同、消息格式各异。因此，标准化模型的输入与输出是我们的一项核心工作，让开发者能够无缝切换至最新、最先进的模型，避免被特定厂商锁定（vendor lock-in）。
我们希望让使用模型来编排与其它数据和计算进行交互的更复杂流程变得容易。
模型的价值不应仅限于“文本生成”——它们更应作为流程编排引擎，协调与外部数据、工具和系统的复杂交互。 LangChain 让开发者能轻松定义工具（Tools），供 LLM 动态调用，同时提供对非结构化数据的解析与访问支持。

发展历程

鉴于该领域日新月异，LangChain 也在持续演进。以下是 LangChain 随 LLM 应用范式变迁而发展的简要时间线：

2022-10-24（v0.0.1）

鉴于该领域日新月异，LangChain 也在持续演进。以下是 LangChain 随 LLM 应用范式变迁而发展的简要时间线：

在 ChatGPT 发布前一个月，LangChain 作为 Python 包正式推出。最初包含两大核心组件：

LLM 抽象层：统一不同模型的调用方式。
“链”（Chains）：针对常见场景预设的计算步骤序列。例如 RAG（检索增强生成）：先执行检索，再执行生成。

“LangChain” 这个名字即源自 “Language”（语言模型）和 “Chains”（链式流程）。

2022-12

LangChain 首次引入通用型Agent（智能体）。
这些 Agent 基于 ReAct 论文（ReAct = Reasoning + Acting，即“推理+行动”）。它们利用 LLM 生成代表工具调用的 JSON，再解析该 JSON 以决定调用哪些工具。

2023-01

OpenAI 推出Chat Completion API。
此前模型接收字符串并返回字符串；而 ChatCompletions API 改为接收消息列表并返回一条消息。其他模型厂商纷纷跟进，LangChain 也随之升级，全面支持消息列表格式。

2023-01

LangChain 发布JavaScript 版本。
LLM 和 Agent 将改变应用开发方式，而 JavaScript 正是前端与全栈开发者的核心语言。

2023-02

LangChain Inc. 公司成立，围绕开源 LangChain 项目组建团队。
公司愿景是“让智能体无处不在”。团队意识到：尽管 LangChain 是关键一环（极大简化了 LLM 入门），但仍需更多配套组件。

2023-03

OpenAI 在其 API 中推出函数调用（Function Calling）功能。
该功能允许 API 直接生成代表工具调用的有效载荷（payload），无需再依赖 JSON 解析。其他厂商迅速跟进，LangChain 也随即将其作为首选的工具调用方式。

2023-06

LangSmith 作为闭源平台发布，由 LangChain Inc. 提供，专注于可观测性（Observability）与评估（Evals）。
构建可靠 Agent 的最大痛点在于调试与评估。LangSmith 应运而生，LangChain 也深度集成该平台，实现无缝协同。

2024-01（v0.1.0）

LangChain 发布 0.1.0 版本——首个非 0.0.x 的正式版本。
行业重心从原型验证转向生产落地，LangChain 也因此更加注重稳定性与工程成熟度。

2024-02

LangGraph 作为开源库发布。
原始 LangChain 聚焦于 LLM 抽象和高层接口，但缺乏一个底层编排层，让开发者精确控制 Agent 的执行流程。LangGraph 填补了这一空白。

在设计 LangGraph 时，我们汲取了 LangChain 的经验教训，内置了流式响应（Streaming）、持久化执行（Durable Execution）、短期记忆（Short-term Memory）、人在回路（Human-in-the-loop）等关键能力。

2024-06

LangChain 集成数量突破 700 个。
所有集成从核心包中剥离，核心集成移至独立包，其余归入 langchain-community。

2024-10

LangGraph 成为构建多于单次 LLM 调用的 AI 应用的首选方式。
开发者为提升应用可靠性，需要比高层接口更精细的控制能力。LangGraph 提供了这种底层灵活性。LangChain 中大多数 Chain 和 Agent 被标记为弃用，并提供迁移至 LangGraph 的指南。目前 LangChain 仅保留一个高层抽象：基于 LangGraph 构建的 Agent 抽象，其接口与早期 ReAct Agent 保持一致。

2025-04

模型 API 迈向多模态（Multimodal）。
模型开始支持文件、图像、视频等输入。我们相应更新了 langchain-core 的消息格式，使开发者能以标准化方式指定多模态输入。

2025-10-20（v1.0.0）

LangChain 1.0 正式发布，带来两大根本性变革：
全面重构 langchain 中的所有 Chain 与 Agent：

所有旧有 Chain 和 Agent 均被移除，仅保留一个高层抽象——基于 LangGraph 构建的 Agent 抽象（此前在 LangGraph 中创建，现迁移至 LangChain）。若您仍在使用旧版 Chain/Agent 且暂不打算升级（注：我们强烈建议升级），可通过安装 langchain-classic 包继续使用。
统一消息内容格式标准：
模型 API 输出已从简单的字符串内容，演进为包含推理块（reasoning blocks）、引用（citations）、服务端工具调用（server-side tool calls）等复杂结构。LangChain 对此进行了标准化，确保跨厂商一致性。