LangChain使用不完全指南：从入门到精通

LangChain是一个强大的框架，用于构建基于大语言模型(LLM)的应用程序。它提供了丰富的工具和组件，让开发者能够轻松构建复杂的AI应用。本文将带你从基础概念开始，逐步深入LangChain的各个核心功能。

什么是LangChain

LangChain是一个开源框架，专门用于开发由语言模型驱动的应用程序。它提供了：

模块化设计：将复杂的AI应用分解为可重用的组件
链式调用：将多个组件串联起来形成工作流
多模型支持：支持OpenAI、Anthropic、本地模型等多种LLM
丰富的工具集：包含文档处理、向量数据库、记忆系统等

LangChain包分类

1. 核心包（Core Packages）

langchain - 核心框架
langchain-core - 核心组件

2. 合作伙伴包（Partner Packages）

这些是由 LangChain 官方合作伙伴维护的包，通常有官方支持和保证：

langchain-openai - OpenAI 集成
langchain-anthropic - Anthropic 集成

3. 社区集成包（Community Integrations）

这些是由社区开发和维护的包：

langchain-ollama - Ollama 集成
langchain-community - 社区贡献的集成

环境搭建

# 安装核心包
pip install langchain
pip install langchain-core
# 这里因为要使用ollama本地模型 所以安装langchain-ollama
pip install langchain-ollama
# 安装社区包（包含更多集成）
pip install langchain-community

基本使用

2. Models - 模型

模型可以通过两种方式使用：

1. 与代理配合使用 - 在创建代理时可以动态指定模型 2. 独立使用 - 模型可以直接调用（在代理循环之外），用于文本生成、分类或提取等任务，无需代理框架

LangChain提供了标准化的模型接口，支持多种LLM提供商：

模型调用方法

方法	功能	使用场景	返回值
`invoke()`	同步调用模型	单次请求，需要等待结果	直接返回完整结果
`stream()`	流式调用模型	实时显示生成过程	返回生成器，逐块返回内容
`batch()`	批量异步处理	并行处理多个请求	返回所有结果列表
`batch_as_completed()`	批量异步处理（完成即返回）	无需等待所有完成	完成一个返回一个

工具调用

通过绑定工具在大模型会返回请求调用工具的指令,然后根据指令调用工具函数并返回结果.在agent模式中会自动处理这个调用过程

工具调用流程示意

用户输入
   |
   v
LLM 接收 messages 并生成响应（可能包含 tool_calls）
   |
   |-- 若无 tool_calls -------------------------------> 直接返回最终回答
   |
   |-- 若包含 tool_calls:
   |       |
   |       v
   |   解析 tool_calls 列表（name, args）
   |       |
   |       v
   |   查找并调用对应工具（tool_registry[name].invoke(args)）
   |       |
   |       v
   |   将工具返回结果封装为 ToolMessage，追加到 messages
   |       |
   |       v
   |   将扩展后的 messages 再次发送给 LLM（model_with_tools.invoke）
   |       |
   |       v
   |   生成结合工具结果的最终回答
   |
   v
返回给用户

结构化输出

可以通过Model实现格式化处理,可以实现在后续的环节更好的处理

3. Messages - 消息

消息是 LangChain 中模型上下文的基本单元，代表模型的输入与输出。Message 通常包含角色（role）、内容（content）以及元数据（metadata）；

Message类型

类型	作用	典型内容	备注
System message	告诉模型如何行为，并为交互提供全局上下文	规则、角色设定、风格要求	通常放在最前面，影响整轮对话走向
Human message	代表用户输入与模型的交互	问题、指令、数据	也可包含文件摘要、外部信息等
AI message	模型生成的响应	文字内容；可能包含工具调用信息（tool_calls）及元数据	当触发工具调用时，会携带调用的工具名与参数
Tool message	工具调用的输出	工具执行结果，如检索内容、计算结果、API响应	通常作为后续消息再次提供给模型以生成最终回答

4. Middleware - 中间件

用于处理请求和响应的中间件：

AI探秘-LangChain使用不完全指南