langchain-ai GitHub avatar

langchain

Python
大模型智能体开发框架langchain-ai最近推送 2026年11月18日
Agent 框架MIT149.8k25.2k749 issues7 天 +474

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

构建智能体和 LLM 应用的 Python 框架,统一模型与工具接口。

LangChain 是一个用于构建智能体和 LLM 应用的框架,通过可互操作的组件和第三方集成,把模型、工具、向量库等连接起来。它提供模型、嵌入、向量存储等的标准接口,让开发者能快速搭建并替换底层模型。仓库自述为“智能体工程平台”,并配套 Deep Agents、LangGraph、LangSmith 等生态产品。

推荐指数

5.0

生态最完整、集成最广的 LLM 应用框架之一,适合作为智能体开发起点。

近 7 天

+474

新增 Star

总 Star 排名

#18

雷达追踪的 3,931 个 AI 仓库中

创建于

2022

2022年10月17日

核心亮点

  • 1统一模型接口

    用 init_chat_model 一行切换不同厂商的聊天模型。

  • 2海量集成

    覆盖模型、工具、向量库、检索器等第三方组件。

  • 3模块化组件

    可按需组合链与组件,从快速原型到细粒度控制。

  • 4配套生态

    Deep Agents、LangGraph、LangSmith 覆盖编排、调试与部署。

  • 5社区活跃

    近 15 万 star,文档、课程与论坛资源齐全。

适用场景

  • 快速验证 LLM 应用

    例如:用 init_chat_model 接入模型,几行代码跑通对话原型。

  • RAG 检索增强

    例如:连接向量库与检索器,让模型基于自有文档回答。

  • 多模型对比

    例如:同一套代码切换 OpenAI、Anthropic、Gemini 等模型做评测。

  • 智能体编排

    例如:结合 LangGraph 构建带状态和分支的智能体工作流。

它是怎么工作的

  1. 第 1 步

    安装依赖

    通过 uv 或 pip 安装 langchain 包。

  2. 第 2 步

    初始化模型

    用 init_chat_model 指定厂商与模型名,得到统一接口对象。

  3. 第 3 步

    组合组件

    把模型与提示、工具、检索器等组件连接成链或智能体。

  4. 第 4 步

    调用与迭代

    调用 invoke 等方法执行,并按需替换模型或组件。

  5. 第 5 步

    进阶编排

    复杂流程交给 LangGraph,调试评估用 LangSmith。

快速上手

  1. 1

    安装

    使用 uv 添加 langchain 依赖。

    uv add langchain
  2. 2

    初始化模型

    导入 init_chat_model 并指定模型。

    from langchain.chat_models import init_chat_model
  3. 3

    发起调用

    创建模型对象并调用 invoke 得到结果。

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

适合谁

  • 想快速搭建 LLM 应用的 Python 开发者
  • 需要多模型切换与大量第三方集成的团队
  • 做 RAG 或智能体原型的工程师
  • 希望有完整文档和社区支持的学习者

不太适合

  • 只需要直接调用单一模型 API 的简单场景
  • 不愿引入框架抽象、追求极简依赖的项目

成熟度

  • 活跃度最近更新在 2026 年 11 月,持续高频维护。
  • 文档有文档、API 参考、免费课程和贡献指南。
  • 社区约 15 万 star、2.5 万 fork,论坛与讨论区活跃。
  • 上手难度快速上手简单,但抽象层较多,深入需学习成本。

同类项目怎么选

  • LlamaIndex更侧重数据索引与检索增强,LangChain 覆盖面更广。
  • LangGraph同团队的低层编排框架,专注可控的智能体工作流。
  • Semantic Kernel微软出品,偏 .NET/C# 生态,LangChain 以 Python 为主。

使用前注意

  • · 采用 MIT 许可,商用友好,需保留版权声明。
  • · 框架迭代较快,升级时注意 API 变更。
  • · 部分高级能力依赖 LangSmith 等商业产品。
  • · 集成组件多,选型时注意依赖体积与版本兼容。

主题标签

aianthropicgeminilangchainllmopenaipythonagentsai-agentschatgptenterpriseframeworkgenerative-aimultiagentopen-sourcepydanticragdeepagentslanggraphtypescript