5. LangChain设计理念和发展历程

设计理念

LangChain 的存在旨在成为最易于上手的大语言模型（LLM）开发工具，同时兼具灵活性与生产环境适配能力。

LangChain 由以下核心信念驱动：

LangChain 聚焦两大核心方向：

助力开发者便捷使用各类顶尖模型

不同供应商提供的 API 存在差异，模型参数与消息格式各不相同。LangChain 核心聚焦于标准化这些模型的输入输出，让开发者能轻松切换至最新的前沿模型，避免被单一平台锁定。
简化模型对复杂流程的编排能力

模型的用途不应局限于文本生成------还应能编排与其他数据和计算交互的复杂流程。LangChain 可便捷定义 LLM 能动态调用的工具，并助力解析和访问非结构化数据。

鉴于该领域的快速迭代，LangChain 也随之持续演进。以下是其关键发展节点，同步见证了 LLM 应用开发的演变：

在 ChatGPT 发布前一个月，LangChain 以 Python 包形式推出，包含两大核心组件：

"LangChain" 名称源于 "Language"（语言模型相关）与 "Chains"（链）的结合。

LangChain 新增首批通用智能代理，基于《ReAct 论文》（ReAct 即 Reasoning and Acting，推理与行动）构建。通过 LLM 生成代表工具调用的 JSON，再解析该 JSON 以确定调用的工具。

OpenAI 发布 "Chat Completion" API：此前模型接收字符串并返回字符串，而该 API 改为接收消息列表并返回消息。其他模型供应商纷纷跟进，LangChain 随之更新以支持消息列表格式。
LangChain 推出 JavaScript 版本：LLM 与智能代理将改变应用开发模式，而 JavaScript 是应用开发者的主流语言。

围绕开源 LangChain 项目成立 LangChain 公司，核心目标是"让智能代理普及化"。团队意识到，LangChain 是入门 LLM 的关键工具，但还需补充其他配套组件。

OpenAI 在其 API 中新增"函数调用"功能，允许 API 明确生成代表工具调用的负载。其他供应商跟进后，LangChain 更新并将该方式作为工具调用的首选方案（替代原 JSON 解析方式）。

LangChain 公司发布闭源平台 LangSmith，提供可观测性与评估功能。由于构建可靠的智能代理是核心痛点，LangSmith 应运而生，LangChain 同步更新以实现与 LangSmith 的无缝集成。

发布 v0.1.0 版本（首个非 0.0.x 版本）：随着行业从原型开发迈向生产应用，LangChain 进一步聚焦稳定性提升。
推出开源库 LangGraph：早期 LangChain 聚焦 LLM 抽象层与常见应用的高阶入门接口，但缺乏能让开发者精确控制代理流程的低阶编排层------LangGraph 填补了这一空白。其开发借鉴了 LangChain 的经验，新增流式传输、持久化执行、短期记忆、人机协同等实用功能。

LangChain 已支持超 700 种集成：集成功能从核心包中拆分，部分迁移至独立包（核心集成），其余归入 langchain-community。
LangGraph 成为构建复杂 AI 应用的首选方案：开发者为提升应用可靠性，需要比高阶接口更强的控制权，而 LangGraph 提供了低阶灵活性。LangChain 中大部分链和代理被标记为弃用，并提供迁移至 LangGraph 的指南；仅保留一个基于 LangGraph 构建的高阶智能代理抽象层，与原 LangChain 的 ReAct 代理保持一致接口。

模型 API 向多模态方向发展：模型开始支持文件、图片、视频等输入。LangChain 相应更新 langchain-core 的消息格式，让开发者能以标准化方式指定这些多模态输入。

LangChain 1.0 发布，包含两大核心变更：

全面重构 langchain 中的所有链和代理：仅保留一个高阶抽象层------基于 LangGraph 构建的智能代理（原 LangGraph 中的高阶抽象层迁移至此）。
对于不愿升级旧版链/代理的用户（建议升级），可通过安装 langchain-classic 包继续使用旧版功能。
标准化消息内容格式：模型 API 从返回简单字符串内容的消息，演进为支持推理块、引用、服务端工具调用等复杂输出类型。LangChain 同步优化消息格式，实现跨供应商的标准化适配。