原文链接：https://docs.langchain.com/oss/python/langchain/philosophy

哲学理念

复制页面

LangChain 由以下核心理念驱动：

• 大语言模型（LLM）是一项伟大而强大的新技术。
• 当您将 LLM 与外部数据源结合时，它们会表现得更出色。
• LLM 将改变未来应用的面貌。具体而言，未来的应用将越来越具智能体（Agentic）特性。
• 这一变革仍处于非常早期的阶段。
• 虽然构建这些智能体应用的原型很容易，但构建出足够可靠、可以投入生产的智能体仍然非常困难。
• 如今，开发者可以选择如何构建智能体：使用 LangChain 获得最大的灵活性和控制力，或者使用 Deep Agents——它提供类似的灵活性和控制力，同时附带内置的规划、文件系统工具、子智能体和上下文管理功能。两者都基于 LangGraph 构建。

对于 LangChain，我们有两个核心关注点：

1. 我们希望让开发者能够使用最优秀的模型进行开发。

不同的提供商提供不同的 API，具有不同的模型参数和不同的消息格式。标准化这些模型的输入和输出是我们的核心关注点之一，让开发者可以轻松切换到最新的先进模型，避免被特定供应商锁定。

2. 我们希望让开发者能够轻松使用模型来编排更复杂的流程，以与其他数据和计算进行交互。

模型不仅应用于文本生成——它们还应该用于编排与其他数据交互的更复杂流程。LangChain 让定义 LLM 可以动态使用的工具变得容易，同时也帮助解析和访问非结构化数据。

历史沿革

鉴于该领域的持续快速变化，LangChain 也在不断发展。以下是 LangChain 多年来的演变简史，伴随着 LLM 应用构建方式的变化而共同演进：

2022-10-24 · v0.0.1
在 ChatGPT 发布前一个月，LangChain 作为 Python 包推出。它包含两个主要组件：

• LLM 抽象层
• “链（Chains）”，即为常见用例预定义的计算步骤序列。例如 RAG（检索增强生成）：先执行检索步骤，再执行生成步骤。
  “LangChain” 这个名字来源于 “Language”（语言模型）和 “Chains”（链）。

2022-12
首个通用型智能体被添加到 LangChain 中。
这些通用型智能体基于 ReAct 论文（ReAct 代表“推理与行动”）。它们使用 LLM 生成代表工具调用的 JSON，然后解析该 JSON 来决定调用哪些工具。

2023-01
OpenAI 发布“Chat Completion”API。
此前，模型接收字符串并返回字符串。在 ChatCompletions API 中，它们演进为接收消息列表并返回一条消息。其他模型提供商也纷纷跟进，LangChain 也随之更新以支持消息列表。

2023-01
LangChain 发布 JavaScript 版本。
LLM 和智能体将改变应用的构建方式，而 JavaScript 是应用开发者的语言。

2023-02
LangChain Inc. 围绕开源项目 LangChain 正式成立公司。
主要目标是“让智能智能体无处不在”。团队认识到，虽然 LangChain 是关键组成部分（LangChain 让开始使用 LLM 变得简单），但也需要其他组件。

2023-03
OpenAI 在其 API 中发布“函数调用（function calling）”功能。
这使得 API 可以显式生成代表工具调用的载荷。其他模型提供商也纷纷跟进，LangChain 也随之更新，将此作为工具调用的首选方法（而不是解析 JSON）。

2023-06
LangSmith 作为 LangChain Inc. 的闭源平台发布，提供可观测性和评估功能。
构建智能体的主要问题是如何让它们变得可靠，而 LangSmith 提供可观测性和评估功能，正是为了解决这一需求。LangChain 也随之更新，与 LangSmith 无缝集成。

2024-01 · v0.1.0
LangChain 发布 0.1.0 版本，这是首个非 0.0.x 版本。
行业从原型阶段走向生产阶段，因此 LangChain 更加注重稳定性。

2024-02
LangGraph 作为开源库发布。
最初的 LangChain 有两个关注点：LLM 抽象层，以及用于快速上手常见应用的高级接口；但它缺少一个允许开发者控制智能体具体流程的低层编排层。于是 LangGraph 应运而生。
在构建 LangGraph 时，我们吸取了构建 LangChain 时的经验教训，并增加了我们发现有必要的功能：流式传输、持久化执行、短期记忆、人机协同等等。

2024-06
LangChain 拥有超过 700 个集成。
集成从核心 LangChain 包中拆分出来，要么移入各自的独立包（核心集成），要么移入 langchain-community。

2024-10
LangGraph 成为构建任何超出单次 LLM 调用的 AI 应用的首选方式。
随着开发者努力提高应用的可靠性，他们需要比高级接口更精细的控制力。LangGraph 提供了这种低层灵活性。LangChain 中的大多数链和智能体被标记为弃用，并附有迁移到 LangGraph 的指南。不过 LangGraph 中仍然保留了一个高级抽象：智能体抽象层。它构建在低层 LangGraph 之上，并具有与 LangChain 中 ReAct 智能体相同的接口。

2025-04
模型 API 变得更加多模态。
模型开始接受文件、图像、视频等更多输入类型。我们相应更新了 langchain-core 的消息格式，让开发者能够以标准化方式指定这些多模态输入。

2025-10-20 · v1.0.0
LangChain 发布 1.0 版本，包含两项重大变更：

• 彻底改造 langchain 中的所有链和智能体。所有链和智能体现在都被一个高级抽象所取代：基于 LangGraph 构建的智能体抽象层。这个高级抽象最初是在 LangGraph 中创建的，现已迁移到 LangChain。对于仍在使用旧版 LangChain 链/智能体且不想升级的用户（注意：我们建议您升级），您可以通过安装 langchain-classic 包继续使用旧版本。
• 标准化的消息内容格式：模型 API 从返回包含简单内容字符串的消息，演变为更复杂的输出类型——推理块、引用、服务端工具调用等。LangChain 更新了其消息格式，以跨提供商标准化这些内容。

2026-03-15 · v0.5.3
Deep Agents 作为基于 LangGraph 构建的开源智能体工具包发布。
虽然 LangChain 为自定义智能体架构提供了灵活的构建模块，但 Deep Agents 为研究、编码等复杂的长期任务提供了一个“开箱即用”的选项。它增加了内置规划工具、具有可插拔后端（内存、磁盘、LangGraph 存储、沙箱）的虚拟文件系统，以及用于上下文隔离的子智能体生成。如果您需要更多自主性且自带工具的智能体，请使用 Deep Agents；如果您需要完全控制智能体架构，请使用 LangChain。

通过 MCP 将这些文档连接到 Claude、VSCode 等工具，以获取实时答案。
在 GitHub 上编辑此页面或提交问题。