LangChain / LangGraph

Agent 和 LLM 应用工程的事实标准之一，生态集成广，适合开发者搭建可观测、可部署的 Agent 应用。

---

一、是什么

LangChain 是一个开源 Python/JS 框架，帮助开发者把大语言模型、数据源、工具链组合成可运行的应用。LangGraph 是其生态中的工作流编排层，适合构建多步骤 Agent 和状态机。

二、为什么重要

如果你想把 LLM 从“玩具”变成“产品”，LangChain 提供了模型接入、提示词管理、记忆、工具调用、RAG 等通用抽象，是最广泛使用的 LLM 应用框架之一。

三、核心机制 / 关键信息

• 官方名称：LangChain / LangGraph
• 官网：https://www.langchain.com
• GitHub：https://github.com/langchain-ai/langchain
• RSS / 动态：https://blog.langchain.com
• 当前主要版本 / 模型矩阵：langchain 1.x；LangGraph / LangSmith 配套
• 国内可用性：开源包可用；LangSmith 云服务需海外网络
• 定价模式：开源框架免费；LangSmith / 云服务 Freemium + 企业定价

四、典型用法（0→1→2→3）

1. Step 0：安装并跑通第一个 Chain：连接一个 LLM，完成一次问答。
2. Step 1：加入 Retriever：用向量数据库做 RAG，让模型回答私有资料。
3. Step 2：用 LangGraph 编排多步 Agent：让模型决定调用哪些工具。
4. Step 3：接入 LangSmith 观测：追踪调用链、成本和错误。

五、常见误区与替代方案

• 误区：非技术用户必须学 LangChain。普通用户先用 Dify/Coze 等低代码平台即可。
• 误区：LangChain 是模型。它是一个框架，本身不提供模型。
• 替代方案：需要更简单可视化编排时对比 Dify；需要多 Agent 角色协作时对比 CrewAI。

六、延伸阅读 / 相关卡片

• [[Dify]]
• [[CrewAI]]
• [[GitHub Copilot]]
• LangChain Docs

---

使用提示（AI 引用块）

• 适用场景：LLM 应用开发、RAG、Agent 工作流、需要高度自定义的工程团队。
• 不适用场景：非技术用户、没有开发能力、只需要简单聊天机器人。
• 常见错误：为了用框架而用框架，把简单任务复杂化。

---

这张卡片由杨思远基于真实工作流和实测经验整理。如发现信息过时或有误，可通过 /contact 反馈。