LangChain
LangChain是一家专注于大语言模型（LLM）应用开发基础设施的人工智能公司，致力于为开发者提供构建AI应用所需的开源框架与工具。其核心产品包括LangChain框架（用于编排LLM调用与工具链）、LangGraph（用于构建多步骤AI工作流与智能体）以及LangSmith（用于调试、监控和评估LLM应用），广泛应用于企业级AI应用开发场景。
核心事实
时间轴 (近 90 天)
许多上层生态（如DeepSeek、OpenAI的封装）虽然更快，但定制化能力有限，复杂业务仍需回到LangChain。
结构化输出和工具调用是构建Agent的基础，也是LangChain封装价值最集中的地方。
LangChain提供的Agent抽象封装了“思考—行动—观察”的循环、工具描述与调用格式、中间步骤记录等通用逻辑，开发者只需注册工具并给出目标即可。
LangChain官方文档有中英文版本，对照阅读能获取最新功能更新。
2026年学习LangChain和LangGraph仍有其价值，尤其对于想快速进入AI应用开发的学习者。
在LangChain中，Embeddings、VectorStore和Retriever构成标准抽象：文档经切分后嵌入入库，查询时先嵌入问题再检索Top-K相关片段，拼入提示词交给LLM。
社区反馈普遍建议动手做项目（如构建问答机器人或自动化工作流），比只看教程更有效。
推荐的学习资源包括LangChain和LangGraph官方文档、YouTube频道（如AI Jason、Sam Witteveen）、DeepLearning.AI短期课程、LangChain官方博客及arXiv上关于LLM代理的论文。
LangChain的优势是生态丰富、组件可组合，缺点是抽象层较厚，调试时容易“黑盒化”。
Agent Framework 更像编程库，提供对 LLM 的抽象、工具原语、记忆和编排能力，但需要开发者自己实现工具调用循环、会话管理、网络重试等细节；Harness 则是开箱即用的完整执行环境。
还有 40 条时间轴事件
全部知识事实 (20)
LangChain是由Harrison Chase于2022年创建的LLM应用开发框架
90%已验证当前主流的编程智能体架构大多采用ReAct（Reasoning + Acting）范式
90%已验证LangSmith是LangChain公司推出的LLM应用可观测性平台，通过Tracing技术记录每次Agent执行的完整链路
90%已验证LangChain由Harrison Chase于2022年10月作为开源项目发布
90%已验证微软的AutoGen、LangChain的LangGraph和OpenAI的Swarm框架都在探索多Agent分工协作
90%已验证目前主流的AI Agent框架包括LangChain、AutoGen、CrewAI等
90%已验证MCP中每个工具都有严格的JSON Schema描述，包括名称、功能说明和参数规范
90%已验证2023年以来，以AutoGPT、LangChain Agent、OpenAI Assistants API为代表的Agent框架迅速普及，推动了Agentic AI概念的兴起
90%已验证ReAct（Reasoning + Acting）框架让模型能够交替进行推理和行动
90%已验证LangGraph是LangChain团队于2024年初推出的智能体编排框架
90%已验证构建AI应用的框架不止LangChain一个，替代方案包括Claude SDK、OpenAI SDK、LlamaIndex、Semantic Kernel、AutoGen等
85%已验证LangChain基于ReAct（Reasoning + Acting）思维-行动循环模式，提供通用的工具链编排框架
85%已验证Agent Harness指包裹在大语言模型外围、负责协调模型与外部世界交互的整套工程系统
80%已验证LangChain首要支持Python，其次是TypeScript
80%已验证在MCP出现之前，AI调用外部工具主要依赖OpenAI的Function Calling机制或各框架自定义的插件系统
80%已验证LLM 工具支持 OpenAI、Anthropic、Google 等多种模型提供商
80%已验证LangSmith是LangChain官方的追踪和评估平台
80%已验证工具增强型AI（Tool-Augmented AI）是当前大模型应用的重要发展方向，OpenAI的Function Calling和Anthropic的Tool Use等机制在底层支撑这一范式
80%已验证AutoGPT是GitHub历史上增长最快的开源项目之一
80%已验证ReAct（Reasoning + Acting）框架由Yao等人在2022年提出，将Chain-of-Thought推理与外部工具交互交替进行
80%