LangChain 开源框架：模块化构建 LLM 应用

LangChain：通过可组合性用 LLM 构建 AI 应用

Agent 工程平台。

LangChain 是一个用于构建 agent 和 LLM 驱动应用的框架。它可以帮你链接可互操作的组件和第三方集成，从而简化 AI 应用开发——同时确保当底层技术演进时，你的决策仍然适应未来。

刚开始上手？可以查看 Deep Agents——一个建立在 LangChain 之上的高层级包，为 agent 提供了计划、子 agent、文件系统使用等常见用例模式的内置能力。

uv add langchain

from langchain.chat_models import init_chat_model

model = init_chat_model("openai:gpt-5.5")
result = model.invoke("Hello, world!")

如果你在寻找更高级的定制或 agent 编排功能，可以查看 LangGraph——我们为构建可控 agent 工作流而设计的框架。

如需 JS/TS 等效库，可以查看 LangChain.js。

如需开发、调试和部署 AI agent 和 LLM 应用，请参阅 LangSmith。

虽然 LangChain 框架可以独立使用，但它也能与任何 LangChain 产品无缝集成，在构建 LLM 应用时为开发者提供了完整的工具套件。

Deep Agents —— 构建能够进行计划、使用子 agent 并利用文件系统处理复杂任务的 agent

LangGraph —— 通过我们的低层级 agent 编排框架，构建能够可靠处理复杂任务的 agent

Integrations —— Chat 和 embedding 模型、工具和工具包等

LangSmith —— Agent 评估、可观测性和 LLM 应用的调试

LangSmith Deployment —— 通过专为长期运行、有状态工作流设计的平台，部署和扩展 agent

LangChain 通过为模型、嵌入、向量存储等提供标准接口，帮助开发者构建 LLM 驱动的应用。

实时数据增强 —— 轻松将 LLM 连接到多样化的数据源和外部/内部系统，借助 LangChain 庞大的集成库，包括模型提供者、工具、向量存储、检索器等

模型互操作性 —— 在工程团队试验的过程中灵活切换模型，找到最适合你应用的选择。随着行业前沿的演进，快速适应——LangChain 的抽象层让你保持势头而不失速度

快速原型设计 —— 通过 LangChain 的模块化、基于组件的架构，快速构建和迭代 LLM 应用。在不从零开始重构的情况下测试不同的方案和工作流，加快开发周期

生产就绪的特性 —— 通过 LangSmith 等集成的内置监控、评估和调试支持，部署可靠的应用。使用经过战场检验的模式和最佳实践，有信心地扩展规模

活跃的社区和生态 —— 利用丰富的集成、模板和社区贡献组件的生态。受益于持续的改进，通过活跃的开源社区与最新的 AI 发展同步

灵活的抽象层 —— 在适合你需求的抽象级别工作——从快速启动的高层级链到细粒度控制的低层级组件。LangChain 随你的应用复杂度一起增长

文档 —— 概念总览和指南

LangChain 生态概览 —— LangChain、LangGraph 和 Deep Agents 如何整合在一起

API 参考 —— 所有公开类、函数和类型的完整参考

讨论 —— 技术问题、想法和反馈的社区论坛

LangChain Academy —— LangChain 团队推出的关于 LangChain 库和产品的综合免费课程

贡献指南 —— 如何贡献和寻找适合初次贡献的问题

行为准则 —— 社区指南和标准