LangChain入门：从框架定位到Agent实战

为什么需要LangChain？

大模型应用开发中，LangChain几乎是绕不开的第一个框架。但很多初学者会把它简单理解为"调用API的封装库"，这种认知会让人错过它真正的价值。据B站教程《基础 LangChain 全套教程》的讲解，LangChain的定位更接近Java生态中的Spring——它提供的是预制件的智能体架构和丰富的工具集成，让开发者不必从零搭建复杂的集成层。

LangChain预构件说明

换句话说，如果你只是想和DeepSeek^广告或Claude对话，直接调API就够了；但如果你要构建一个有记忆、能调用外部工具、能访问私有数据的Agent产品，LangChain提供的是一整套工程化底座。

LangChain解决的三个模型短板

知识受限与计算不准

大模型的训练数据有明确的时间截止点。8月10日训练的模型，无法回答8月11日发生的事。用户感觉"豆包知道"，其实用的是已经封装过的应用，而不是裸模型。LangChain通过Function Call机制，让模型可以调用外部工具获取实时数据，比如天气查询。

模型与应用的区别

同样的思路也适用于精确计算。大模型做复杂加减乘除容易出错，LangChain可以让模型调用计算器工具，把运算交给确定性代码完成。

Function Call（函数调用） 是大模型提供的一种结构化输出能力：开发者预先声明若干可用工具（函数名、参数 schema、功能描述），模型在对话中判断是否需要调用工具，并以 JSON 形式返回要调用的函数名和参数，由应用层实际执行后再把结果回传给模型。它把「模型决定做什么」和「代码负责怎么做」解耦，是 LangChain 工具集成能力的底层基础。需要注意，模型本身并不执行任何函数，它只负责生成调用意图，真正的执行、鉴权和结果校验都在应用侧完成，这也是工具调用需要做安全边界设计的原因。

无法与外部系统交互

模型本身不能直接调三方API，也不能通过JDBC连数据库。企业内部数据存在数据库里，模型没有通道去读取。LangChain的工具集成层补上了这个缺口，让模型能够安全地访问外部系统和私有数据。

不具备状态保持能力

大模型本质是一问一答，不会自动记住上一轮聊了什么。你觉得它"记得"，是因为应用层帮你拼接了历史消息。LangChain提供了记忆组件，让多轮对话的状态管理变成框架层面的能力，而不是每次手写拼接逻辑。

多轮对话的状态管理

大模型的「无状态」 指的是一次 API 请求本身不携带任何前文信息，服务端不会为某个用户保存对话上下文。所谓「记忆」，本质是应用把历史消息按一定策略拼进本次请求的 messages 数组里再发给模型。这带来两个工程问题：一是上下文长度有上限，历史不能无限追加，需要截断、摘要或按重要性筛选；二是 token 消耗随轮次线性增长，直接影响成本与延迟。LangChain 的记忆组件正是把「存什么、留多久、怎么压缩」这些策略抽象成可替换的模块。

LangChain名字的由来与生态

LangChain = Language + Chain。Language指大语言模型，Chain指链式交互——把模型和计算机中的其他资源以链式方式连接起来，构建更强大的AI应用。这个命名本身就说明了它的核心设计思想：不是孤立地调用模型，而是把模型嵌入一条可编排的处理链中。

当前LangChain生态包含几个核心组件：LangChain本身负责模型封装与链式编排，LangGraph处理有状态的图结构工作流，LangSmith提供调试与可观测性。教程中提到"主要玩的是这个仨"，三者分工不同但配合使用。

LangChain生态组件

底层实现上，LangChain已经转向LangGraph作为执行引擎，同时也在整合DeepAgent相关能力。这意味着学习LangChain不能只看表面的Chain API，理解Graph编排才是深入的关键。

LangGraph 是 LangChain 团队推出的有状态编排框架，核心抽象是「节点 + 边 + 共享状态」的图结构。相比早期线性串联的 Chain，图结构支持条件分支、循环、并行以及人工介入（human-in-the-loop），并能对执行过程做检查点持久化，从而支撑断点续跑和多轮状态恢复。LangSmith 则是配套的可观测性平台，用于追踪每次调用的输入输出、耗时与 token 消耗，并对链路做评测和调试。三者关系可以理解为：LangChain 提供模型与工具的封装，LangGraph 提供执行与状态编排，LangSmith 提供观测与优化闭环。

学习路径建议

LangChain迭代速度快，官方文档是最可靠的参考。英文文档更新最及时，中文文档基本同步且代码一致，英文吃力的话看中文版完全够用。建议的学习顺序是：先跑通模型调用和Prompt模板，再理解Chain的编排逻辑，然后进入Tool和Agent的实战，最后补上LangGraph的状态管理。跳过前面的基础直接看Agent示例，很容易变成复制代码但说不清原理。

对于有Java背景的开发者，把LangChain类比成Spring能快速建立直觉：IoC容器对应工具和模型的注册管理，AOP对应链式拦截和中间件， starter对应预制集成包。这个类比不精确，但足够帮你理解它为什么不是一个薄封装。

Prompt 模板 是把用户输入、系统指令、历史上下文和工具说明组装成最终请求的结构化方式，通常包含变量占位符、角色划分和输出格式约束。它看似简单，却直接决定模型输出的稳定性：同样的模型，模板里指令顺序、示例数量、格式要求的差异会造成明显不同的效果。LangChain 将模板抽象为可复用、可组合的对象，便于在不同链路间共享和版本化管理，这也是它区别于「字符串拼接调 API」的第一层工程价值。