用于构建真实人工智能应用的 LangChain 组件

现代人工智能应用早已不止于“向 Gemini、GPT 或 Claude 发送提示词”这么简单。实用的产品会将模型与工具、文档、API、数据库、内存以及外部服务相连接。LangChain 是一个开源框架，它能让这些连接以可组合的方式实现，而非依赖一堆临时的拼接脚本。

LangChain 是什么

LangChain 是一个为基于大型语言模型的应用设计的框架。你无需仅依赖提供商的 SDK，而是可以自行组合各种组件，将模型与系统的其他部分相连——包括检索功能、工具、内存管理、文本解析以及任务协调机制。

这种架构适用于聊天机器人、文档问答系统、研究助手、智能代理、RAG 流水线以及需要使用工具的工作流程。模型依然是核心的推理引擎，而 LangChain 则是其周围的支撑结构。

为何不只使用原始 API？

想象一下能够处理公司文档的聊天机器人。即便使用基础的大语言模型，也仍需加载文档、将其拆分、嵌入模型、搜索相关内容片段、在提示词中加入上下文，最后生成答案。每个步骤都可能存在故障，并且需要相应的配置调整。LangChain提供了构建模块，让这些步骤形成有序的流程——这就是人们所称的检索增强生成（RAG）模式。

你仍然可以直接调用 Gemini 或 OpenAI 进行一次性演示。只有当这套框架能够整合加载器、拆分器、向量存储、检索工具和智能体等组件时，才能真正发挥其价值。

值得首先学习的核心概念

1. 模型

模型相当于“大脑”。LangChain 提供了针对 Google Gemini、OpenAI、Anthropic 以及本地运行环境的适配器。通过统一的接口，你可以更换服务提供商，而应用程序的其他部分无需关心Token费用由谁承担。

2. 提示词

提示词用于告知模型该执行什么操作。模板则能让这些提示词在不同主题和用户间重复使用：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_template(
    "Explain {topic} in simple English."
)

无需重写模板内容即可切换主题：

topic = "Docker"
topic = "Kubernetes"
topic = "AWS"

模板还能简化评估流程：固定结构，仅调整需要测试的变量。

3. 链式结构

链式结构将各个步骤串联起来：获取数据 → 格式化 → 提供提示词 → 调用模型 → 解析结果。在规模较大的应用中，人们会通过结构化的工作流来组合更多处理阶段，而非使用带有隐藏状态的嵌套脚本。LCEL风格的组合方式能让数据流从左到右清晰可见。

4. 工具

模型本身无法调用API或查询数据库。工具则用于封装搜索、HTTP请求、计算功能、SQL操作、天气信息获取以及文件读取等功能。例如，用户可能会提出这样的请求：

User:
What is the current weather in Kandy?

智能体可以判断需要使用天气工具，调用该工具后，再将获取的结果整合到上下文中以继续对话。

5. 智能体

智能体会选择使用哪些工具来达成目标。例如可以请求科伦坡的天气信息以及华氏温度换算；智能体可能会先调用天气查询工具，再调用转换工具。该应用会在运行时动态调整行动方案，而非为每种查询格式预先设定固定的处理顺序。

6. 数据检索与RAG技术

RAG技术在生成内容之前先检索相关数据。以一份手册PDF为例：

University Handbook.pdf

如果有学生询问毕业需要多少学分，应用会将该问题嵌入到手册内容中，从相关上下文中寻找答案——而不仅仅依赖预训练数据。这样就能安全地将私有知识融入回复中。

LangChain与直接调用API的区别

对于一次性查询，直接调用服务提供商的API也是可行的：

Simple application
      ↓
Direct LLM API

随着检索、工具、内存、重试机制以及分支功能的加入，框架有助于保持图结构的可查看性。LangChain并非替代大型语言模型，而是围绕该模型组织应用程序，从而使团队能够共享模式与测试案例。

在实际产品中的应用场景

• 具备会话记忆功能的对话助手
• 文档上传或语料库同步后的问答系统
• 结合搜索工具与内容整合功能的研究辅助工具
• 能够调用内部API的多步骤智能体
• 与数据库及工单系统相连的业务系统
• 基于课程资料和教学大纲设计的辅导系统

总结

先学习基础要素——模型、提示词、链式结构、工具、智能体以及检索功能，然后再逐步构建更复杂的系统。从聊天循环开始，添加工具，连接文档存储，进而发展成智能体。正是通过这样的渐进过程，LangChain才从抽象概念转变为可实际使用的AI应用。