第四篇：LangChain 1.0 Community 生态全览：第三方集成与厂商包最佳实践

📌 所属章节：第二阶段 - langchain-community 与厂商集成包

← 上一篇：langchain 主包详解 | 📚 系列目录 | 下一篇：LLM / ChatModel 大模型接口 →

📋 摘要

本文详细讲解了 langchain-community 与厂商集成包，包括核心概念、实战代码示例和最佳实践。通过本文的学习，你将掌握 LangChain 1.0 的核心技术要点，能够快速构建基于大模型的 AI 应用。

适合人群：

想系统学习 LangChain 1.0 的开发者
需要构建 AI Agent 应用的工程师
对 LLM 应用开发感兴趣的技术爱好者

3. langchain-community 第三方集成库

langchain-community 作为 LangChain 1.0 的"功能扩展层"，通过社区贡献的非官方集成组件显著扩展了主包的功能边界，其核心价值体现在工具类组件与平台集成两大维度。工具类组件覆盖文档处理全流程，包括 DirectoryLoader 文档加载器（支持 PDF、文本等多格式文件批量导入）、RecursiveCharacterTextSplitter 文本分割器（按语义边界将文档切分为检索友好的 Chunk）、PGVector 向量存储（PostgreSQL 生态的向量数据库适配）及 HuggingFaceEmbeddings 嵌入模型（本地部署模型的向量化能力），这些组件共同构成了 RAG 应用的技术基础。平台集成方面，支持与 DeepSeek、阿里云通义千问等模型的对接，例如通过 langchain_community.chat_models.ChatTongyi 类初始化通义千问模型，或利用 Ollama 类调用本地部署的 DeepSeek-R1 模型。

收集并维护 社区/第三方贡献的集成 （例如某些云厂商、开源向量库、特殊工具适配器等）。这些集成实现了 [langchain-core](02_langchain_core.md) 定义的接口 ，但不属于主包维护范畴。官方会把这些放到 langchain-community 仓库/包，便于社区共同维护。

包含内容：

数据库：MySQL, PostgreSQL, MongoDB, Neo4j等连接器
存储服务：AWS S3, 阿里云OSS, Google Cloud Storage
工具集成：Slack, Notion, GitHub, ArXiv, YouTube等API
向量数据库：Chroma, Pinecone, Qdrant, Milvus等
文档加载器：PDF, CSV, HTML, Markdown解析器

特点：

质量参差不齐：社区贡献，需自行验证稳定性
更新滞后：依赖社区维护，响应速度慢于官方包
功能丰富：覆盖95%的第三方服务集成需求

python 复制代码

# 安装：pip install langchain-community
from langchain_community.document_loaders import NotionDBLoader

# 从Notion数据库加载文档
loader = NotionDBLoader(
    integration_token="secret_...",
    database_id="your-db-id"
)

documents = loader.load()

print(f"加载了{len(documents)}条文档")

4. langchain-openai（厂商/提供者集成包）

厂商特定集成包（如 langchain-openai、langchain-anthropic、langchain-google 等）通过封装 API 细节，为开发者提供"零适配成本"的模型对接方案，其核心价值在于简化特定 API 对接流程，使开发者能够直接使用厂商特有功能。以 langchain-openai 为例，其关键组件包括模型客户端、工具调用适配和多模型支持三大模块。

此外，该类还支持通过配置 openai_api_base 和 openai_api_key 参数对接兼容 OpenAI API 格式的第三方模型，如 DeepSeek 模型

专门负责把 OpenAI 的 SDK 与 LangChain 抽象连接起来 ：提供 ChatOpenAI、OpenAIEmbeddings、OpenAI等类的实现。
这类包通常是 "按厂商拆分"：langchain-openai、langchain-azure、langchain-anthropic、langchain-deepseek等。
官方深度集成特定LLM提供商，更新频繁，功能最全.

python 复制代码

#!pip install langchain-openai
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4o-mini")

question = "你好，请你介绍一下你自己。"

result = model.invoke(question)
print(result.content)

主流厂商包列表：

langchain-openai：OpenAI, Azure OpenAI
langchain-anthropic：Claude系列
langchain-google：Gemini, Vertex AI
langchain-deepseek：DeepSeek模型
langchain-ollama：本地Ollama部署

与 langchain-community的区别：

维度	`langchain-openai`	`langchain-community` 中的OpenAI
维护方	OpenAI官方 + LangChain团队	社区维护
更新频率	即时跟进API更新	延迟数周
功能完整性	支持所有新特性（如音频、视觉）	仅基础功能
生产可用性	✅ 强烈推荐	⚠️ 谨慎使用

为什么要单独拆出来？

让 langchain 主包保持轻量（不强制安装所有厂商 SDK）；
用户按需安装对应厂商，例如你只用 OpenAI，就只装 langchain-openai。

最佳实践：

生产环境务必使用厂商包：享受最新功能
开发环境可用community：快速验证想法
多厂商切换用 [init_chat_model](05_llm_chatmodel.md)：业务代码无需改动

5. langchain-classic

兼容包 / 迁移包：把 LangChain v0.x 中的"老 API / legacy 功能"搬到单独包里，以便 v1.0 保持精简，但仍给用户向后兼容的迁移通道。
包含如：老的 Chain 实现、旧版 retrievers、索引 API、hub 模块等被标记为"legacy"的功能。
- 旧版AgentExecutor
- Legacy Chains（LLMChain, SequentialChain等）

python 复制代码

#!pip intsall langchain-classic
from langchain_classic.chat_models import ChatOpenAI

model = ChatOpenAI(model="gpt-4o-mini")
res = model.invoke("请介绍一下你自己")

🎯 总结

本文详细介绍了 langchain-community 与厂商集成包 的核心概念和实战技巧。希望这些内容能帮助你更好地理解和使用 LangChain 1.0！

如果你有任何问题或建议，欢迎在评论区留言交流！💬

← 上一篇：langchain 主包详解 | 📚 系列目录 | 下一篇：LLM / ChatModel 大模型接口 →

🏷️ 标签：LangChain 开源生态 第三方集成

💝 感谢阅读！如果觉得有帮助，记得点赞收藏关注哦！

本文为原创内容，版权归作者所有，转载需注明出处。