langchain

组装 AI 应用的乐高积木,从想法到上线不换工具

业界最知名的 agent 工程化平台,为构建基于 LLM 的应用提供统一的组件与编排能力,从原型到生产,帮助开发者快速落地复杂 AI 应用。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 146874
维护状态 活跃
是否开源
定价模式 free

项目数据

分类开源模型
开发团队langchain-ai
所属国家
定价模式free
价格说明开源框架,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型agents,ai,ai-agents,anthropic,chatgpt,deepagents,enterprise,framework,gemini,generative-ai,langchain,langgraph,llm,multiagent,open-source,openai,pydantic,python,rag,typescript
GitHub 星标★ 146874
30天Star增速
HF 下载量
上线时间2022-10-17 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数15

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

环境要求

  • Python 环境(LangChain 是 Python 框架/库)
  • uv 包管理工具(README 的 Quickstart 使用 uv add 安装)
  • OpenAI 等模型提供商的 API Key(示例调用 openai:gpt-5.5)

安装与启动步骤

  1. 1准备项目环境

    LangChain 是 Python 库,先确认本机已有 Python 环境,并在你的项目目录中操作,后续依赖会装到该环境里。

  2. 2添加 langchain 依赖

    在项目目录执行 README Quickstart 给出的命令,把 langchain 加入依赖并完成安装。

    uv add langchain
  3. 3配置模型密钥

    示例调用的是 OpenAI 模型,需要先准备好该提供商的 API Key 并配置为环境变量,不要把密钥写死在代码里。

    export OPENAI_API_KEY=sk-xxxxxxxx
  4. 4编写最小示例

    新建 quickstart.py,写入 README 中的最小调用代码:初始化模型并向其发送一句 Hello, world!。

    from langchain.chat_models import init_chat_model
    
    model = init_chat_model("openai:gpt-5.5")
    result = model.invoke("Hello, world!")
  5. 5运行示例脚本

    在同一个环境里执行脚本,验证依赖安装与模型调用链路是否打通。

    python quickstart.py

关键配置

配置项必填说明示例
OPENAI_API_KEY示例所用 OpenAI 模型的鉴权密钥,供 init_chat_model 初始化时读取sk-xxxxxxxx

如何确认成功

运行 quickstart.py 后终端正常打印出模型返回的文本内容(对 Hello, world! 的回复),且不出现鉴权或导入报错,即为成功。

常见问题

Q:一定要有 API Key 吗?

A:示例通过 init_chat_model 调用 OpenAI 模型,需要对应提供商的密钥;没有密钥会在调用时报鉴权错误,可改为其他已配置的模型提供商。

Q:只能使用 OpenAI 模型吗?

A:不是。LangChain 主打可互换的组件与第三方集成,把 init_chat_model 的参数换成你所用提供商的模型标识即可。

Q:想用 JavaScript/TypeScript 怎么办?

A:README 指向 LangChain.js,是等价的 JS/TS 库,可在 Node 项目中使用。

Q:需要多智能体编排或更复杂工作流?

A:README 建议使用 LangGraph(可控 agent 工作流框架);想快速上手也可看基于 LangChain 的 Deep Agents。

Q:开发调试和部署用什么?

A:README 推荐配合 LangSmith 进行 AI agent 与 LLM 应用的开发、调试和部署。

注意事项

  • README 使用 uv 管理依赖,你也可以按团队习惯换成其他 Python 包管理方式。
  • README 未声明具体的 Python 版本要求,实际支持版本请以官方文档为准。
  • 密钥的环境变量名取决于所选模型提供商,上面仅为示例,务必以提供商文档为准并避免硬编码。
  • 更多用法与进阶内容见官网文档 https://docs.langchain.com/langchain。

核心亮点

  • 生态成熟,集成超过千家模型、向量库与工具,覆盖面极广
  • 提供LangGraph等子项目,支持有状态、可细粒度控制的复杂Agent工作流设计
  • 社区活跃度高,文档与教程丰富,生产案例多,便于排查问题
  • 深度绑定Pydantic,支持类型安全的输入输出校验,适合工程化落地

不足之处

  • 抽象层次多,链式调用与回调逻辑复杂,新手上手成本较高
  • 版本迭代频繁且破坏性更新较多,旧代码迁移成本较高
  • 过度封装导致部分场景调试困难,底层行为需阅读源码才能理解

适用场景

  • 构建企业级RAG知识库问答系统
  • 开发多步骤、多工具调用的复杂Agent应用
  • 作为团队统一AI应用框架,集成模型、记忆、检索与外部API

替代项目

LlamaIndex、AutoGen、CrewAI

项目介绍

langchain 是开发框架领域的开源项目,由 langchain-ai 开发,2022 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(146,874)位列前 1%,在开发框架分类的 795 个项目里位列前 1%。

近 44 天,它的 GitHub 星标从 143,805 增加到 146,874,净增 3,069。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:构建企业级RAG知识库问答系统。同类可对比的替代方案包括 LlamaIndex、AutoGen、CrewAI。

上一篇:transformers

下一篇:PocketFlow

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12