在 AI 领域，每天都有新技术和框架出现，作为一个开源框架，LangChain 提供了构建基于大模型的 AI 应用所需的模块和工具，大大降低了 AI 应用开发的门槛，使得任何人都可以基于 GPT-4 等大模型构建自己的创意应用。
LangChain 框架的爆火
LangChain 作为开源项目首次进入公众视野是在 2022 年 10 月，这个项目很快在 GitHub 上获得大量关注（如图1），进而转变成一家迅速崛起的初创企业，LangChain 作者 Harrison Chase 也自然成为这家初创企业的 CEO。
尽管 LangChain 在早期没有产生收入，也没有明确的商业化计划，却在短时间内获得 1000 万美元的种子轮融资，紧接着又获得 2000万美元~ 2500万美元的 A 轮融资，估值约为 2 亿美元，LangChain 的快速崛起和获得的资本支持，表明了 AI 领域对于创新工具和平台的迫切需求，以及对于能够推动 AI 技术应用和开发的工具的高度认可。
图1：LangChain在GitHub上的Star数变化趋势
LangChain 的特性
LangChain 作为一种大模型应用开发框架，针对当前 AI 应用开发中的一些关键挑战提供了有效的解决方案，概述如下。
- 数据时效性：GPT-3.5 等模型的训练数据截止于 2021 年 9 月，LangChain 可以通过集成外部知识库和向量数据库，允许开发者将最新的数据和信息注入模型中，从而提高应用的时效性。
- token 数量限制：LangChain通过优化提示词和链的管理，帮助开发者突破模型 token 数量限制，例如通过分块处理长文档，或者使用特定的提示模板来引导模型生成更有效的输出。
- 网络连接限制：尽管 GPT-3.5 本身无法联网查询，但 LangChain 可以作为中间件，帮助开发者将模型与实时数据源连接起来，例如通过 API 调用获取最新的信息，然后将这些信息作为输入传递给模型。
- 数据源整合限制：LangChain 支持与多种数据源的整合，包括私有数据库、API 和其他第三方工具，这使得开发者能够构建更加灵活和多样化的应用，充分利用不同数据源的优势。
LangChain 的这些特性不仅提高了开发者的工作效率，还促进了产品的快速迭代和创新。通过降低基础架构搭建的复杂性，LangChain 让开发者能够专注于核心业务逻辑和用户体验的优化。此外，LangChain 的多语言支持和社区贡献，进一步证明了其作为一个开源代码项目的活力和包容性，吸引了更广泛的开发者参与和贡献。
与其他框架的比较
既然 LangChain 的能力这么强，那是不是会有其他相似的框架来和它争抢开发者呢？答案显然是肯定的。在目前的业界共识中，基于大模型的业务主要分为三个层次。
- 基础设施层：这一层次专注于构建和提供大模型的底层架构。这通常包括大规模的数据处理和存储能力、用于模型训练的计算资源，以及提供模型即服务（MaaS）的API，目标是提供稳定、可扩展且性能优越的语言模型服务。
- 垂直领域层：在基础设施层之上，垂直领域层使用领域特定数据对模型进行微调，使其在特定垂直市场或行业（如医疗、法律、金融等）中的表现更精确和有效。微调可以帮助模型更好地理解和生成与特定领域相关的语言和概念。
- 应用层：在此层次中，开发者和公司构建具体的面向用户的产品和服务。这些应用将大模型的能力转化为用户可以直接与之交互的工具和平台，比如聊天机器人、内容生成工具、自动编程助手等。应用层的重点在于用户体验和接口设计，使非技术用户也能轻松利用大模型的能力。
LangChain 等工具旨在简化这些层次的集成，帮助开发者快速开发和部署基于大模型的应用。它们提供了预建组件、模板和接口，以加速从概念验证到生产部署的过程。这种框架的实用性在于减少开发时间和降低技术门槛，因此市场上的竞争日益激烈。
通过 GitHub 上的贡献者数量、引用数以及 Star 数（如图3）这三项数据，以及编程语言兼容性，对 4 种框架进行了简单比较。
- LangChain 显然是这一组中社区最活跃的框架，拥有最多的贡献者和较高的引用数。它的 Star 数也相当高，这表明它在开发者中广受欢迎并具有较高的认可度。
- SK 贡献者数量相对较少，是一个新兴框架，相对较少的 Star 数意味着它的社区影响力和知名度不如 LangChain，没有获取到引用数信息，但是在编程语言支持方面比较优秀，可以覆盖更多的开发者群体。
- LlamaIndex 虽然在贡献者数量上不及 LangChain，但社区活跃度很高，并且可以直接作为 LangChain 的检索模块使用，是开源社区中最有影响力的检索增强生成引擎。
- AutoGPT 在 Star 数方面远超其他框架，这个项目在验证大模型驱动的智能代理概念方面引起了极大的关注，其独特的功能和应用前景吸引了大量有兴趣的潜在开发者。
表1：LangChain、SK、LlamaIndex 和 AutoGPT 相关数据比较
图3：LangChain、SK、LlamaIndex 和 AutoGPT 在GitHub上的Star数变化
如何快速上手LangChain
如此强大的 LangChain，如何掌握核心知识点，并且快速上手学习。不得不提这本《LangChain编程：从入门到实践》，它可以全方位地帮助你。
《LangChain编程：从入门到实践》
李多多（@莫尔索）| 著
作者手把手教你利用 LangChain 简化大模型应用开发，全书共分为 10 个章节，包括以下核心内容：
- 深入解析 LangChain 六大组件：模型输入/输出、检索、链、记忆、代理与回调，全方位掌握核心功能。
- 实战案例：从 0 到 1 构建多模态智能机器人，理论结合实践，轻松开启大模型应用之旅。
- 配套丰富：随书附赠详尽示例代码，快速上手，轻松驾驭大模型技术。
- 轻松入门：讲解细致入微，学习路径清晰明了，与时俱进，助你成为大模型应用开发达人。
不管你是新手还是在使用 LangChain 的过程中遇到过困难，这本书都能给你帮助。
作者简介
李多多（@莫尔索） 在大模型应用落地方面有丰富的经验，为知名项目 AutoGPT、LangChain 框架等贡献过代码。撰有开源电子书《LLM应用开发实践》。"莫尔索随笔"公众号主理人，致力于大模型技术普及。
大咖推荐
自 ChatGPT 横空出世，大模型迅速点燃了新一代科技进步的火种。在技术大变革的背景下，开发者、研究人员和企业，通过何种方式能够更好地集成和应用语言模型，就成为工程上最需要重视的问题之一。LangChain 通过提供工具、库和最佳实践，以开源社区驱动模型，帮助开发者、研究人员和企业更容易地集成和利用这些先进的语言模型。本书将带领你走进 LangChain 的世界，探索激活语言模型潜能的方法。
------阿法兔，微软 MVP，ChaosAI 发起人
这是一本为大模型应用开发初学者量身打造的实用指南，深入浅出带领读者探索 LangChain 框架的强大功能，从基础概念到实际应用，逐步揭示构建高效AI应用的秘密。书中丰富的实例和案例研究，不仅为读者提供了宝贵的学习资源，也为开发者在实际项目中应用提供了清晰的路线图。无论你是AI领域的新手，还是寻求提升技能的专业人士，本书都将是你通往大模型应用开发世界的桥梁。
------何静，英特尔工程师，AI 研究社区 AFE 联合创始人
大模型时代给了很多人新机遇，莫尔索跟我都算是非常珍惜这波机会并在默默努力的人。我经常看他的公众号文章，发现每篇都写得很用心，相信想要入门 LangChain 的朋友，通过本书一定可以获得一条清晰且完整的进步路径。在大量的企业大模型应用落地项目中，我们频繁碰到相关人才不足的问题，缺口相当明显。纸上得来终觉浅，我跟莫尔索一同在大模型应用落地的道路上盼着大家。
------覃睿，企业级开源大模型应用开发平台 BISHENG 负责人