1.4 LangChain 1.2.7 核心架构概览

第一章 langchain入门与环境准备

1.1 AI大模型应用开发和Langchain的关系

1.2 LangChain 1.2.7 版本核心特性与升级点

1.3 环境搭建（Python 版本要求、langchain/langchain-core 1.2.7 安装与版本验证）

1.4 LangChain 1.2.7 核心架构概览（Runnable、Prompt、Agent、Memory 核心链路）

1.4 LangChain 1.2.7 核心架构概览

完成LangChain 1.2.7环境搭建后，本节将全面解析其核心架构，帮助大家建立整体认知，为后续逐个模块深入学习奠定基础。LangChain 1.2.7的核心架构围绕"组件化、可组合、可扩展"设计，核心由 Runnable、Prompt、Agent、Memory 四大模块构成，四大模块相互联动形成完整的AI应用开发链路，同时兼容第三方工具（Tools）和存储（VectorStore等），适配从简单LLM调用到复杂智能代理的全场景开发需求。

1.4.1 核心架构整体定位与设计理念

LangChain 1.2.7的核心定位是"连接大模型与实际应用的中间件框架"，其架构设计理念核心有三点，也是理解整个框架的关键：

• 组件化拆分：将AI应用开发的核心流程（输入处理、提示词构建、逻辑决策、记忆管理等）拆分为独立组件，每个组件负责单一功能，降低开发复杂度；

• 标准化接口：以Runnable协议为统一接口标准，所有核心模块（Prompt、Agent、Memory）及第三方组件均实现Runnable协议，确保组件间可无缝组合、灵活替换；

• 链路化联动：四大核心模块并非独立存在，而是按"输入→处理→决策→输出→记忆"的逻辑形成闭环链路，同时支持通过LCEL表达式灵活编排，快速适配不同业务场景。

补充说明：LangChain 1.2.7的核心架构可分为"核心组件层"和"链路编排层"：核心组件层即Runnable、Prompt、Agent、Memory四大模块，是架构的基础；链路编排层即LCEL表达式，负责将核心组件及第三方工具组合成完整执行链路，也是1.2.7版本强化的核心亮点。

1.4.2 四大核心模块详解（Runnable、Prompt、Agent、Memory）

四大核心模块是LangChain 1.2.7架构的核心支撑，各自承担明确功能，且均遵循Runnable协议，可通过LCEL表达式灵活组合，以下逐一详解各模块的定位、核心功能及1.2.7版本特性。

1.4.2.1 Runnable：所有组件的统一执行抽象层（核心基石）

Runnable并非具体的功能组件，而是LangChain 1.2.7中所有组件的统一执行抽象层，是整个架构的"桥梁"，贯穿所有模块和链路，核心定位是"统一执行接口、标准化类型校验、全场景适配"。

• 核心功能：

  • 统一执行接口：为所有组件提供invoke（同步单例）、ainvoke（异步单例）、batch（同步批量）、abatch（异步批量）、stream（同步流式）、astream（异步流式）六大核心执行方法，无需为不同组件适配不同调用方式；

  • 标准化类型校验：要求所有组件显式定义输入（InputT）和输出（OutputT）类型，组件组合时自动校验类型匹配性，提前暴露错误；

  • 链路串联支撑：所有核心模块（Prompt、Agent、Memory）及第三方工具（Tools）均实现Runnable协议，确保不同组件可通过LCEL表达式无缝串联，形成完整执行链路。

• 1.2.7版本特性：

  • 强化类型校验逻辑，类型错误从"执行阶段"前置到"组合阶段"，降低线上故障概率；

  • 新增RunnablePassthrough、RunnableLambda等辅助组件，简化链路中数据透传和简单逻辑处理；

  • 优化配置透传能力，可通过with_config方法为组件或整个链路设置统一配置（超时、标签、缓存等），局部配置可覆盖全局配置。

• 核心作用：解决了低版本LangChain组件接口不统一、组合复杂、适配困难的问题，是1.2.7版本"组件化、可组合"设计的核心支撑，后续所有模块的学习都将围绕Runnable协议展开。

1.4.2.2 Prompt：提示词构建与管理模块（输入核心）

Prompt模块是LangChain 1.2.7中负责"提示词构建、渲染、管理"的核心组件，核心定位是"将用户需求转化为大模型可理解的提示词，提升大模型输出质量"，是AI应用与大模型交互的入口。

• 核心功能：

  • 提示词模板（PromptTemplate）：提供标准化模板语法，支持动态插入变量（如用户输入、上下文信息），避免重复编写提示词；

  • 提示词渲染：将模板与具体变量结合，生成最终可提交给大模型的完整提示词，支持多格式渲染（文本、JSON等）；

  • 提示词优化：内置少量提示词优化工具（如FewShotPromptTemplate、ChatPromptTemplate），帮助开发者快速构建高质量提示词，适配聊天场景、few-shot学习等场景。

• 1.2.7版本特性：

  • 优化PromptTemplate的类型注解，支持IDE自动补全和类型校验，减少语法错误；

  • 强化ChatPromptTemplate的兼容性，适配OpenAI、Anthropic等主流聊天模型的提示词格式，无需手动调整；

  • 支持提示词缓存，重复渲染相同模板和变量时，可直接复用缓存结果，提升执行效率。

• 与Runnable的关联：Prompt模块的核心组件（PromptTemplate、ChatPromptTemplate）均实现Runnable协议，其输入为模板变量（字典类型），输出为渲染后的完整提示词（字符串类型），可直接通过LCEL表达式与LLM组件、OutputParser组件串联。

1.4.2.3 Agent：智能决策与工具调用模块（逻辑核心）

Agent模块是LangChain 1.2.7中负责"智能决策、工具调用、流程控制"的核心组件，核心定位是"模拟人类思考过程，根据用户需求和上下文，自主决定执行步骤、调用工具，最终完成复杂任务"，是实现复杂AI应用的关键。

• 核心功能：

  • 智能决策：根据用户需求、Memory中的上下文信息，自主判断"是否需要调用工具""调用哪个工具""调用工具后的下一步操作"；

  • 工具调用：支持集成第三方工具（如搜索引擎、SQL数据库、API接口、计算器等），可自主调用工具获取外部信息，解决大模型"知识滞后""无法计算"的问题；

  • 流程控制：自主管理任务执行流程，若工具调用失败或结果不符合预期，可自动重试或调整执行步骤，直至完成任务。

• 1.2.7版本特性：

  • 优化Agent的决策逻辑，减少无效工具调用，提升任务执行效率；

  • 强化与Runnable协议的适配，Agent组件可直接作为Runnable组件，与Prompt、Memory、Tools无缝组合，支持同步/异步、批量/流式执行；

  • 简化Agent开发，提供更多开箱即用的Agent类型（如ReAct Agent、StructuredToolAgent），开发者可按需选择，无需从零构建决策逻辑。

• 与其他模块的关联：Agent接收Prompt模块渲染后的提示词作为输入，结合Memory模块中的上下文信息进行决策，调用工具（Tools）获取外部信息，最终将决策结果和工具返回信息整理后，输出给用户，是四大模块的"逻辑中枢"。

1.4.2.4 Memory：上下文记忆管理模块（体验核心）

Memory模块是LangChain 1.2.7中负责"上下文信息存储、管理、提取"的核心组件，核心定位是"让AI应用拥有记忆能力，能够记住对话历史、用户偏好、任务中间结果，提升交互连贯性和任务完成质量"。

• 核心功能：

  • 上下文存储：存储对话历史、用户输入、Agent执行过程中的中间结果等信息，支持多种存储方式（内存、Redis、Chroma等）；

  • 记忆提取：根据当前用户需求，自动提取相关的上下文记忆，传递给Prompt模块或Agent模块，辅助生成更精准的提示词和决策；

  • 记忆优化：支持对记忆进行过滤、压缩、更新，避免记忆冗余，提升提取效率，同时支持长期记忆和短期记忆的分离管理。

• 1.2.7版本特性：

  • 优化Memory组件的兼容性，所有Memory类型均实现Runnable协议，可无缝融入LCEL链路，支持同步/异步执行；

  • 强化与VectorStore的联动，支持将长期记忆存储在向量数据库中，提升记忆提取的精准度和效率；

  • 简化记忆配置，提供更多开箱即用的Memory类型（如ConversationBufferMemory、ConversationSummaryMemory），开发者可按需选择，无需手动实现存储逻辑。

• 核心作用：解决了大模型"无记忆"的问题，让AI应用能够实现连续对话、上下文关联的复杂交互，是提升用户体验的关键模块，尤其适用于聊天机器人、智能助手等场景。

1.4.3 四大核心模块核心链路（闭环逻辑）

LangChain 1.2.7的四大核心模块并非独立存在，而是相互联动，形成"输入→处理→决策→输出→记忆"的闭环核心链路，所有AI应用的开发均围绕这条核心链路展开，结合LCEL表达式可灵活扩展和调整，具体链路逻辑如下：

1. 链路启动：用户输入与Prompt渲染

   • 用户输入具体需求（如"查询北京天气并总结"）；

   • Memory模块提取相关上下文记忆（如历史对话中用户关注"天气舒适度"）；

   • Prompt模块结合用户输入、上下文记忆，通过PromptTemplate渲染生成完整提示词，传递给Agent模块。

2. 核心决策：Agent智能判断与执行

   • Agent模块接收渲染后的提示词，结合Memory中的上下文，决策执行步骤（如"需要调用天气查询工具获取北京天气数据"）；

   • Agent自主调用对应的工具（如天气API），获取外部信息（北京实时天气、温度、舒适度等）；

   • 若工具调用结果不完整或不符合预期，Agent自动重试或调整执行步骤，直至获取有效信息。

3. 结果输出：整理与反馈

   • Agent将工具返回的外部信息、上下文记忆结合，整理成用户易懂的结果；

   • 通过OutputParser组件（可选）优化输出格式（如结构化文本、JSON），最终反馈给用户；

   • 同时，将本次用户输入、Agent执行过程、输出结果，传递给Memory模块进行存储，作为下次交互的上下文记忆。

4. 链路闭环：记忆更新与下次联动

   • Memory模块更新记忆库，保存本次交互的关键信息；

   • 用户下次输入相关需求（如"北京明天天气如何"），链路重复上述步骤，结合已保存的记忆（用户关注天气舒适度），快速生成精准结果，实现连贯交互。

补充说明：上述核心链路的所有组件（Prompt、Agent、Memory、Tools）均实现Runnable协议，可通过LCEL表达式快速编排（如 Prompt | Memory | Agent | OutputParser），无需编写大量冗余代码，这也是LangChain 1.2.7版本"可组合、高效开发"的核心优势。

1.4.4 核心架构补充：第三方工具（Tools）与存储（VectorStore）

除四大核心模块外，LangChain 1.2.7的核心架构还包含第三方工具（Tools）和存储（VectorStore）两大辅助模块，用于扩展架构的功能边界，适配更复杂的业务场景，二者均遵循Runnable协议，可无缝融入核心链路。

• 第三方工具（Tools）：

  • 定位：扩展Agent的能力边界，解决大模型"知识滞后""无法执行具体操作"的问题；

  • 常见类型：搜索引擎（如Google Search）、SQL数据库（如MySQL）、API接口、计算器、文件读取工具等；

  • 与核心模块关联：Tools组件实现Runnable协议，可被Agent模块自主调用，调用结果反馈给Agent，参与最终结果整理。

• 存储模块（VectorStore）：

  • 定位：主要用于存储长期记忆、文档向量等数据，提升Memory模块的记忆提取效率和精准度；

  • 常见类型：FAISS、Chroma、Redis、Milvus等向量数据库；

  • 与核心模块关联：VectorStore与Memory模块深度联动，可将长期记忆、文档数据转化为向量存储，Memory模块通过向量检索快速提取相关记忆，适配长文本、多文档交互场景。

1.4.5 章节总结

本节全面解析了LangChain 1.2.7的核心架构，核心要点总结如下，便于快速回顾和后续学习衔接：

• 核心架构由"四大核心模块+两大辅助模块"构成，四大核心模块（Runnable、Prompt、Agent、Memory）是架构基础，两大辅助模块（Tools、VectorStore）扩展功能边界；

• Runnable是核心基石，所有组件均实现Runnable协议，统一执行接口、标准化类型校验，支撑组件间无缝组合；

• 四大模块联动形成闭环核心链路：用户输入→Prompt渲染→Agent决策→工具调用→结果输出→Memory存储，是所有AI应用开发的核心逻辑；