环境

• Anaconda：v25.5.1
• Python：v3.13.9
• LangChain：v1.0.3

什么是 LangChain

LangChain 是一个用于支持 AI 大模型应用开发的框架，它的主张是：强大的 AI 应用不仅是调用模型 API 的，还能感知上下文、连接外部数据，并且借助外部工具与环境进行交互来生成更好的回答。因此，LangChain 提供了一系列组件和链来简化开发过程。比如：如果想要 AI 有记忆，借助 LangChain 的话我们就不需要手动维护一个储存历史消息的列表，我们直接可以创建一个 ConversationBufferMemory 的实例，然后连同模型的实例一起作为对话链的参数即可，后续每次对话时新消息都会自动被添加然后传给模型，相当于模型被外接了记忆。
上述我们所说的 ConversationBufferMemory 只是 LangChain 提供的一个小功能，其实它还提供了很多能力组件，包括：模型、提示模版、记忆、文件加载器、检索器、链、agent等等，这些我们后续都会介绍到，它们可以很大程度上降低我们 AI 应用开发的复杂度。除此之外，LangChain 还为聊天模型和向量数据库等提供了统一的抽象层，相当于在聊天模型和向量数据库之上封装了一层统一的接口，这样我们在后续写好的项目代码里面切换模型和数据库时极为方便，不再需要改动一大堆适配的代码。

Assistant API

Assistant API 是 OpenAI 官方推出的一个 API，它是基于 OpenAI 模型来实现维护对话历史、访问文件和调用工具的一个 API，与原始的 OpenAI API 相比，它有如下优势：

1. 它能保留之前的对话历史，让开发者不需手动管理历史对话；
2. 它能使用像文件检索器、代码解释器、自定义函数等外部工具，解决 AI 大模型的一些局限性。

乍一看它跟刚才所讲的 LangChain 所做的事情差不多，但是本质上它俩是有很大区别的。具体如下：

1. Assistant API 本质上 API，LangChain 则是应用框架；
2. 支持模型的范围不同。Assistant API 仅支持 OpenAI 模型，但是 LangChain 则支持市面上几乎所有的 AI 模型；
3. 简易性和灵活性不同。Assistant API 更简单、直接，它有很多工作是 OpenAI 直接封装了的，对于开发者而言无法做很多定制化的调整；LangChain 则更加灵活，因为它是开源的，开发者可以随时查看里面的代码，甚至修改代码；
4. 应用范围不同。Assistant API 主要用来构建对话型应用，LangChain 则可以构建更复杂的 AI 系统。

所以我们先来学习 LangChain 框架，然后回过头来再看 Assistant API 时会发现，对于它里面隐藏的实现细节不会感到那么陌生和疑惑。

安装 LangChain 及了解核心模块

LangChain 的安装极为简单，通过以下命令即可安装：

pip install langchain

LangChain 提供了很多模块化组件，最核心的组件包括以下几种：

1. 模型（Model）：提供语言理解和生成能力，是 AI 应用的核心，可以是各种厂商提供的模型；
2. 记忆（Memory）：用来储存和管理历史对话或相关的上下文信息，是对话性 AI 应用中保持连贯性和上下文感知的关键；
3. 链（Chain）：用来把不同组件串联起来，进而创建出复杂的流程，流程里的每个组件可以负责处理特定的任务；
4. 检索器（Retriever）：负责从外部信息源检索信息，对增加模型的知识面和回答准确性很重要；
5. Agent：代表一个基于大模型的能执行一系列动作的智能体。它的核心理念是利用 AI 模型的能力进行推理，根据任务动态评估和确定行动路径。

以上就是 LangChain 这个框架最核心的几个组件，接下来的文章我们一一介绍这些组件，完成越来越复杂的 AI 应用。

总结

本文我们主要介绍了 LangChain 框架的定义和安装，以及其包括的几个核心组件的简单介绍，同时也简单介绍了与 LangChain 类似的 OpenAI 提供的一个 API —— Assistant API，并且介绍了两者之间的区别。下一篇文章我们将主要介绍 LangChain 框架的模型、提示模板、输出解析器以及链这几个核心组件。