原生LLM 嵌入复杂应用的挑战

（1）幻觉问题

（2）提示词设计不统一

（3）模型切换麻烦

（4）回答格式杂乱

（5）时效性较差

（6）自动调用外部工具困难

LangChain通过为原生LLM这个“聪明的大脑”装上工具、内存和外挂，弥补其记忆、知识与规划能力的不足，让它能真正处理复杂任务。

1.LangChain

1.1介绍

具体看AI 2：大语言模型+嵌入模型 4.2（2）

1.2技术特点

它把各种模型和工具的底层差异统一封装成标准化组件，提供通用接口；以链式（Chain）的方式整合多个组件，从而构建出功能丰富的的LLM应用。

链的本质：将多个处理步骤或异构组件串联成一个自动化工作流，应用无需再逐个调用各个组件，而是一次性执行链上的所有流程，从而实现从简单问答到复杂 AI 工作流的构建。

1.3标准化组件介绍

逐类详解

1.4举例

若我们想借助提示词完成⼀次对于LLM应用的提问，在LangChain中至少需要定义两个组件，提示词模板组件 • 大模型组件。

无LangChain，相当于提示词模板组件执行了一次，大模型组件也执行了⼀次。

有LangChain，对于链式执行来说，只需执行一次链即可。

1.5起源

版本发布：https://github.com/langchain-ai/langchain/releases

1.6 发展

LangChain的局限性

LangChain无法满足构建高级 AI 代理和多轮对话系统等复杂应用的开发需求。

举例：假设需要构建一个AI代理，来自动处理用户提交的客服工单 退货请求 产品咨询等。

生活中理想的流程（非LangChain流程）如下

如果用传统的Chain A -> Chain B -> Chain C的线性结构来构建，会遇到以下具体问题：

2.LangGraph--面向复杂工作流的图式架构（自动）

诞生背景：LangGraph是LangChain 生态系统中较晚推出的一个框架，由LangChain 团队于2024 年正式发布，其目的是为了解决大型语言模型应用日益增长的复杂性。

2.1介绍

定位：LangGraph是一个底层编排框架，用于构建可控（支持暂停/状态修改）、可靠、有状态且可长时间运行的AI 智能体工作流。

核心特性： 它以图结构定义流程，围绕共享状态驱动节点协作，以应对复杂 AI 智能体应用的构建需求。

例如，我们将上文示例从链式改为图结构：

在上述示例中，我们可以定义图状态，用于存储流程中的临时数据和决策点，例如：

与 LangChain 的关系、适用场景互补

LangGraph并非取代LangChain，而是对其的扩展和补充；它底层大量复用了LangChain的模型接口、工具、记忆等组件，开发者可在LangGraph 节点中直接使用LangChain 的链或代理作为子流程。

简单线性任务：LangChain 的链式结构已足够高效。

复杂场景：对于需要复杂控制流、长期状态维护和多智能体协作的任务，LangGraph 提供更强大的支持。

2.2技术特点

这种图式架构相比LangChain的链式结构更加灵活，主要体现在：

传统的链式结构会将AI代理应用变成僵硬脆弱的“面条代码”，而LangGraph则通过灵活可靠且支持循环、分支、人工介入等工作流图的方式，解决了这一日益复杂的LLM应用开发难题。

对话模型的本质差异：为何“感觉不像走既定路线”

2.3起源和发展

版本发布：https://github.com/langchain-ai/langgraph/releases

3.方向

3.1学习路径

从入门到精通LangChain和LangGraph

这条循序渐进、从核心概念到高级应用以及项目实践的路径，能让你具备从零设计构建复杂 AI 代理及多步工作流、将业务需求转化为 AI 解决方案的架构能力。

3.2应用场景

3.3结构关系

4.LangChain与LangGraph软件包安装

（1）langchain主包：是使用LangChain的起点，用户直接使用的主入口。

pip install langchain

（2）langchain-core核心包：整个LangChain生态的基石包，除 langsmith SDK 外所有包均依赖此包；包含所有其他包共用的基类、抽象接口和 LCEL（LangChain 表达式语言）。

它由 langchain自动安装，无需显式安装；若需特定版本功能可手动指定，但须确保与其他集成包兼容。

pip install langchain-core

（3）Integrations集成包：各类官方与第三方集成包，只要安装对应的包，即可快速接入该服务；覆盖了模型（如 OpenAI、Anthropic 等）以及各类组件（如数据存储、工具调用等）。

LangChain中集成好的包如下

https://docs.langchain.com/oss/python/integrations/providers/overviewhttps://docs.langchain.com/oss/python/integrations/providers/overview对于所需依赖项，我们需要单独安装，例如使用OpenAI。

pip install langchain-openai

（4）langchain-community社区包：由社区维护的集成大合集，当某个集成还没被官方拆成独立包时，会先放这里。

pip install langchain-community

（5）langgraph 包：专门构建有状态、多步骤 Agent的框架，用来弥补 LangChain 在复杂循环和状态管理上的不足，记忆模块的新家也在这里；它与 langchain 互补，Agent 可相互调用。

pip install langgraph

（6）LangSmith SDK：对接 LangSmith 平台的独立工具包，负责应用的测试、调试、追踪与监控；它与核心流程解耦，需要配置 API Key 后单独使用。

由LangChain自动安装，不依赖于langchain-core ；如果需要，可以独立安装和使用。

pip install langsmith

在python中新建项目，并安装库。

主包：pip install langchain

OpenAI-Integrations集成包：pip install langchain-openai

langchain-community社区包：pip install langchain-community

langgraph 包：pip install langgraph