LangChain 5 分钟上手：这个 LLM 应用框架替你干掉的 3 件事

LangChain 5 分钟上手这个 LLM 应用框架替你干掉的 3 件事【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain你想把公司知识库接进大模型、让程序自动调用查询和计算工具又不想为每个模型厂商手写请求格式和消息协议。LangChain 就是干这层活的 Python 框架MIT 协议要求 Python 3.10 及以上主打构建 LLM 应用和智能体agent。把它想成一个总机你只需要拨一个号码厂商:模型名它就帮你接通对应厂商的电话线号码一换、线路跟着换各家厂商的拨号规则你都不用背。 装好并跑一遍uv add langchain # 或克隆源码浏览实现 git clone https://gitcode.com/GitHub_Trending/la/langchainfrom langchain.chat_models import init_chat_model model init_chat_model(openai:gpt-5.5) result model.invoke(Hello, world!) print(result.content)第一行导入统一入口init_chat_model第二行把厂商:模型名字符串丢给它它替你加载对应的集成包并初始化模型对象第三行发出一条消息、拿到回复。注意model参数就是那个号码换成别家模型只改这一个字符串其余代码一行不动。 它替你干的三件事把工具插进对话你给它一句用户提问加一组普通 Python 函数比如check_weather它给你一张编译好的智能体图。langchain.agents模块的create_agent只吃三个参数model、tools、system_prompt。跑起来后是自动循环模型决定调天气工具 → 执行 → 把结果喂回模型 → 直到能直接作答。你最终拿到一份经工具核实的答案和完整消息记录中间那圈循环你一行没写。让模型吐出结构化数据你给它一句不规范的提问加一个 Pydantic 模型类它给你严格符合 schema 的 JSON 对象直接入库。不用自己写正则去抠模型的回答也不用担心它多输出客套话。换模型、接自己的数据源你给它不同的模型字符串或不同的向量库集成包它给你零改动的其余代码——相当于在总机上改拨另一个号码。libs/partners/ 目录收录了 15 个伙伴集成包openai、anthropic、chroma、qdrant 等模型、嵌入、向量存储的核心抽象都在 libs/core/langchain_core/ 里装好对应集成包就能切换。 和同门项目怎么分工LangGraph底层编排框架create_agent 就构建在它之上提供持久执行、流式输出、人工确认中断要混合确定性流程与自主流程、逐节点手动控制时切过去。Deep Agents构建在 LangChain 之上的高层包智能体自带规划、子代理分发、文件系统使用任务长、环节多时切过去。LangSmithLLM 应用开发平台负责 agent 评测、可观测性和调试线上想知道智能体哪一步跑偏了用它。⚠️ 什么时候别用它你只是想搞懂大模型是什么、或写个一次性脚本直接装单一厂商的 SDK 就够不必为一个请求引整个框架。你要精确控制延迟、逐节点手搭工作流用 LangGraph 直接画或裸写代码。你不是 Python 技术栈LangChain 只支持 Python 3.10JavaScript 那边有独立的 LangChain.js 生态。✅ 今天就能动手新建项目目录执行uv add langchain把示例里的模型名换成你有 API key 的模型。写一个工具函数比如查内部数据传进create_agent的 tools 参数。卡住时打开仓库 libs/langchain_v1/langchain/agents/ 目录读create_agent的文档字符串里面就带着可运行的完整示例。【免费下载链接】langchainThe agent engineering platform.项目地址: https://gitcode.com/GitHub_Trending/la/langchain创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考