原文链接https://docs.langchain.com/oss/python/langchain/philosophy哲学理念复制页面LangChain 由以下核心理念驱动大语言模型LLM是一项伟大而强大的新技术。当您将 LLM 与外部数据源结合时它们会表现得更出色。LLM 将改变未来应用的面貌。具体而言未来的应用将越来越具智能体Agentic特性。这一变革仍处于非常早期的阶段。虽然构建这些智能体应用的原型很容易但构建出足够可靠、可以投入生产的智能体仍然非常困难。如今开发者可以选择如何构建智能体使用 LangChain 获得最大的灵活性和控制力或者使用 Deep Agents——它提供类似的灵活性和控制力同时附带内置的规划、文件系统工具、子智能体和上下文管理功能。两者都基于 LangGraph 构建。对于 LangChain我们有两个核心关注点1. 我们希望让开发者能够使用最优秀的模型进行开发。不同的提供商提供不同的 API具有不同的模型参数和不同的消息格式。标准化这些模型的输入和输出是我们的核心关注点之一让开发者可以轻松切换到最新的先进模型避免被特定供应商锁定。2. 我们希望让开发者能够轻松使用模型来编排更复杂的流程以与其他数据和计算进行交互。模型不仅应用于文本生成——它们还应该用于编排与其他数据交互的更复杂流程。LangChain 让定义 LLM 可以动态使用的工具变得容易同时也帮助解析和访问非结构化数据。历史沿革鉴于该领域的持续快速变化LangChain 也在不断发展。以下是 LangChain 多年来的演变简史伴随着 LLM 应用构建方式的变化而共同演进2022-10-24 · v0.0.1在 ChatGPT 发布前一个月LangChain 作为 Python 包推出。它包含两个主要组件LLM 抽象层“链Chains”即为常见用例预定义的计算步骤序列。例如 RAG检索增强生成先执行检索步骤再执行生成步骤。“LangChain” 这个名字来源于 “Language”语言模型和 “Chains”链。2022-12首个通用型智能体被添加到 LangChain 中。这些通用型智能体基于 ReAct 论文ReAct 代表“推理与行动”。它们使用 LLM 生成代表工具调用的 JSON然后解析该 JSON 来决定调用哪些工具。2023-01OpenAI 发布“Chat Completion”API。此前模型接收字符串并返回字符串。在 ChatCompletions API 中它们演进为接收消息列表并返回一条消息。其他模型提供商也纷纷跟进LangChain 也随之更新以支持消息列表。2023-01LangChain 发布 JavaScript 版本。LLM 和智能体将改变应用的构建方式而 JavaScript 是应用开发者的语言。2023-02LangChain Inc. 围绕开源项目 LangChain 正式成立公司。主要目标是“让智能智能体无处不在”。团队认识到虽然 LangChain 是关键组成部分LangChain 让开始使用 LLM 变得简单但也需要其他组件。2023-03OpenAI 在其 API 中发布“函数调用function calling”功能。这使得 API 可以显式生成代表工具调用的载荷。其他模型提供商也纷纷跟进LangChain 也随之更新将此作为工具调用的首选方法而不是解析 JSON。2023-06LangSmith 作为 LangChain Inc. 的闭源平台发布提供可观测性和评估功能。构建智能体的主要问题是如何让它们变得可靠而 LangSmith 提供可观测性和评估功能正是为了解决这一需求。LangChain 也随之更新与 LangSmith 无缝集成。2024-01 · v0.1.0LangChain 发布 0.1.0 版本这是首个非 0.0.x 版本。行业从原型阶段走向生产阶段因此 LangChain 更加注重稳定性。2024-02LangGraph 作为开源库发布。最初的 LangChain 有两个关注点LLM 抽象层以及用于快速上手常见应用的高级接口但它缺少一个允许开发者控制智能体具体流程的低层编排层。于是 LangGraph 应运而生。在构建 LangGraph 时我们吸取了构建 LangChain 时的经验教训并增加了我们发现有必要的功能流式传输、持久化执行、短期记忆、人机协同等等。2024-06LangChain 拥有超过 700 个集成。集成从核心 LangChain 包中拆分出来要么移入各自的独立包核心集成要么移入 langchain-community。2024-10LangGraph 成为构建任何超出单次 LLM 调用的 AI 应用的首选方式。随着开发者努力提高应用的可靠性他们需要比高级接口更精细的控制力。LangGraph 提供了这种低层灵活性。LangChain 中的大多数链和智能体被标记为弃用并附有迁移到 LangGraph 的指南。不过 LangGraph 中仍然保留了一个高级抽象智能体抽象层。它构建在低层 LangGraph 之上并具有与 LangChain 中 ReAct 智能体相同的接口。2025-04模型 API 变得更加多模态。模型开始接受文件、图像、视频等更多输入类型。我们相应更新了 langchain-core 的消息格式让开发者能够以标准化方式指定这些多模态输入。2025-10-20 · v1.0.0LangChain 发布 1.0 版本包含两项重大变更彻底改造 langchain 中的所有链和智能体。所有链和智能体现在都被一个高级抽象所取代基于 LangGraph 构建的智能体抽象层。这个高级抽象最初是在 LangGraph 中创建的现已迁移到 LangChain。对于仍在使用旧版 LangChain 链/智能体且不想升级的用户注意我们建议您升级您可以通过安装 langchain-classic 包继续使用旧版本。标准化的消息内容格式模型 API 从返回包含简单内容字符串的消息演变为更复杂的输出类型——推理块、引用、服务端工具调用等。LangChain 更新了其消息格式以跨提供商标准化这些内容。2026-03-15 · v0.5.3Deep Agents 作为基于 LangGraph 构建的开源智能体工具包发布。虽然 LangChain 为自定义智能体架构提供了灵活的构建模块但 Deep Agents 为研究、编码等复杂的长期任务提供了一个“开箱即用”的选项。它增加了内置规划工具、具有可插拔后端内存、磁盘、LangGraph 存储、沙箱的虚拟文件系统以及用于上下文隔离的子智能体生成。如果您需要更多自主性且自带工具的智能体请使用 Deep Agents如果您需要完全控制智能体架构请使用 LangChain。通过 MCP 将这些文档连接到 Claude、VSCode 等工具以获取实时答案。在 GitHub 上编辑此页面或提交问题。