LangChain

用 C# 直接搭 LLM 应用，不切 Python

LangChain 的 C# 实现，面向 .NET 开发者提供构建大语言模型应用的完整抽象层。它把提示词模板、模型调用、输出解析、链式编排、记忆管理、检索增强生成（RAG）、Agent 与工具调用等能力封装成 C# 类库，让习惯 .NET 生态的团队不必切换到 Python 就能开发 LLM 应用。项目尽量对齐原版 LangChain 的概念与命名，降低跨语言迁移成本，同时允许引入 C# 特有的新实体。核心价值在于打通 OpenAI 等模型服务与 .NET 现有业务代码，支持依赖注入、异步编程和强类型，适合企业级后端、桌面与服务端集成场景。

开源 free 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1074

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开发框架

开发团队tryAGI

所属国家

官网地址https://tryagi.github.io/LangChain

GitHubhttps://github.com/tryAGI/LangChain

定价模式free

价格说明开源免费，MIT许可证

访问状态

是否开源是

开源协议MIT

主要语言C#

技术栈/模型ai,csharp,dotnet,langchain,langchain-csharp,langchain-dotnet,llm,openai,sdk

GitHub 星标★ 1074

30天Star增速

HF 下载量

上线时间2023-06-03 00:00:00

最近更新2026-09-13 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2026-09-12

浏览次数0

使用教程

难度：入门约 15 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 .NET SDK，可用 dotnet 命令（项目为 C#/.NET 实现）
有效的 OpenAI API Key，并可通过环境变量 OPENAI_API_KEY 传入
NuGet 依赖：LangChain、LangChain.Databases.Sqlite、LangChain.DocumentLoaders.Pdf
可访问外网（首次运行需下载示例 PDF 并请求 OpenAI 接口）

安装与启动步骤

1确认 .NET 环境

README 未给出安装章节，项目是 C#/.NET 实现，先确认本机已装 .NET SDK 且 dotnet 命令可用。
```
dotnet --version
```
2设置 API 密钥

README 示例通过环境变量 OPENAI_API_KEY 初始化 OpenAiProvider，未设置会直接抛异常，需先导出。
```
export OPENAI_API_KEY=sk-xxxxxxxx
```
3安装依赖包

README 示例明确标注三个依赖包：LangChain、LangChain.Databases.Sqlite、LangChain.DocumentLoaders.Pdf，依次添加。
```
dotnet add package LangChain
dotnet add package LangChain.Databases.Sqlite
dotnet add package LangChain.DocumentLoaders.Pdf
```
4编写示例代码

按 README 示例初始化 OpenAiProvider、OpenAiLatestFastChatModel、TextEmbeddingV3SmallModel 和 SqLiteVectorDatabase 并写入 Program。
5运行程序

首次运行会下载 PDF、生成 embedding 并写入 vectors.db，耗时与费用均高于后续重跑，请耐心等待。
```
dotnet run
```

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	是	OpenAiProvider 读取的环境变量，缺失会抛异常	`sk-xxxxxxxx`
`dataSource（vectors.db）`	否	SQLite 向量库文件路径，不存在会自动创建	`vectors.db`
`dimensions`	否	向量维度，TextEmbeddingV3SmallModel 必须为 1536	`1536`
`collectionName`	否	集合名，仅在需要多个集合时填写	`harrypotter`
`textSplitter`	否	文本切分器，默认 CharacterTextSplitter(ChunkSize=4000, ChunkOverlap=200)	`null`

如何确认成功

控制台打印出 LLM answer: The cloaked figure.，并输出 Chain Answer 以及 LLM 与 embedding 的 usage 费用统计，即表示运行成功。

常见问题

Q：报错 OPENAI_API_KEY is not set 怎么办？

A：说明环境变量未生效。请在与运行程序同一个终端里设置 export OPENAI_API_KEY=sk-xxxxxxxx（Windows 用 $env:OPENAI_API_KEY="sk-xxxxxxxx"）后再运行。

Q：首次运行为什么慢且会产生费用？

A：README 注明首次需从零创建 embedding 并请求 LLM，约花费 0.015 美元；向量库已存在时重跑仅约 0.0004 美元。

Q：检索时报向量维度不匹配？

A：TextEmbeddingV3SmallModel 的 dimensions 必须是 1536，示例已固定该值；若更换 embedding 模型，需同步修改 dimensions。

Q：wiki 上的代码和实际不一致怎么办？

A：README 建议以仓库内 src/Meta/test/WikiTests.cs、examples 目录和集成测试 ReadmeTests.cs 中的代码为准。

注意事项

README 没有正式的安装章节，上述安装命令按 .NET 项目常规方式推断，具体以官网 wiki 为准。
示例全程依赖 OpenAI 接口，需要可用密钥和稳定网络。
向量库文件 vectors.db 会缓存在本地，重复运行可显著降低成本与时间。

核心亮点

API 抽象对齐 Python 版 LangChain，概念迁移成本低
原生 C#/.NET 实现，支持 async、依赖注入与强类型，易融入现有后端
覆盖提示模板、链、记忆、RAG、Agent 等主流 LLM 应用模式

不足之处

生态与第三方集成数量不及 Python 版 LangChain
版本迭代较快，部分抽象可能随上游调整而变化

适用场景

在 ASP.NET Core 后端集成 OpenAI 做智能问答接口
为 .NET 企业系统添加基于知识库的 RAG 检索问答
用 C# 编写带工具调用的 Agent 自动化业务流程

替代项目

Semantic Kernel、LangChain

项目介绍

LangChain 是开发框架领域的开源项目，由 tryAGI 开发，2023 年首次发布。

在全站 12,753 个收录项目中，它的 GitHub 星标数（1,074）位列前 30%，在开发框架分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-13。开源免费，MIT许可证。

它主要面向的使用场景是：在ASP.NETCore后端集成OpenAI做智能问答接口。同类可对比的替代方案包括 Semantic Kernel、LangChain。

上一篇：chat-gun

下一篇：langchainjs