Langchain新版本(V1.0)

钩子函数分为两个体系：
Callback(回调): 用于纯粹的观察与日志
Middleware(中间件): 用于深度的控制与修改

体系一：Callbacks(回调) - 面向观测

这是新版本中保留并延续的经典机制，继承自 BaseCallbackHandler，采用事件驱动和只读监听模式，无法修改请求或响应，非常适合用于日志记录、指标监控、Token统计和流式输出。

常用钩子：

模型调用：

• on_llm_start:
• on_llm_end:
• on_llm_error:
• on_llm_new_token(流式):

链/智能体：

• on_chain_start:
• on_agent_action:
• on_agent_finish:

工具调用：

• on_tool_start:
• on_tool_end:

代码示例：

from langchain_core.callbacks import BaseCallbackHandler

class MyLoggingHandler(BaseCallbackHandler):
	async def on_llm_start(self, serialized, prompts, **kwargs):
		print(f"模型调用开始，提示词: {prompts}")
	async def on_llm_end(self, response, **kwargs):
		print(f"模型调用结束，生成内容：{response.generations[0][0].text}")

体系二：Middleware(中间件) - 面向控制

这是LangChain 1.0 引入的全新核心功能，通过包装（wrap）模型或工具调用，可以修改请求、改变行为、控制流程，甚至实现动态模型路由、重试、限流等生产级特性。

常用钩子：

模型相关：

• before_model:
• modify_model_request:
• after_model:
• wrap_model_call:

工具相关：

• wrap_tool_call

预置中间件：

框架提供了一系列开箱即用的中间件，可直接用于生产环境：

• SummarizationMiddleware：在上下文窗口过大时自动摘要对话历史。

• HumanInTheLoopMiddleware：在高风险工具调用（如发送邮件、数据库写入）前请求人工审批。

• ModelFallbackMiddleware：当主模型失败时自动切换到备用模型。

• ToolCallLimitMiddleware：限制特定工具或所有工具的调用次数，防止失控。

• PIIMiddleware：检测并脱敏个人身份信息。

代码示例（动态切换模型）：

from langchain.agents.middleware import wrap_model_call

@wrap_model_call
def dynamic_model_router(request, handler):
    # 检查用户消息中是否包含图片
    if any(msg.type == "image_url" for msg in request.messages):
        request.model = vl_model  # 切换至视觉模型
    else:
        request.model = chat_model # 使用普通对话模型
    return handler(request)

agent = create_agent(model=chat_model, tools=[...], middleware=[dynamic_model_router])

核心差异速览