理念

LangChain 的存在，是为了成为构建 LLM 应用最容易的地方，同时具备灵活性并可投入生产环境。

LangChain 的驱动力来自以下几个核心信念：

大语言模型（LLMs）是一项伟大且强大的新技术。
当 LLM 与外部数据源结合时，会变得更强大。
LLM 将重塑未来应用程序的形态。具体而言，未来的应用将越来越呈现 Agent 化。
我们仍处于这一变革的早期阶段。
虽然构建这类 Agent 化应用的原型很容易，但要构建足够可靠、可用于生产环境的 Agent仍然非常困难。

在 LangChain 中，我们专注于两个核心方向：

1. 我们希望让开发者能够使用最好的模型

不同的提供商暴露不同的 API、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核心重点，使开发者能够轻松切换到最新、最先进的模型，避免被锁定。

2. 我们希望让使用模型来编排更复杂的流程变得容易，这些流程会与其他数据和计算交互

模型不应仅用于文本生成——它们还应被用于编排与其他数据交互的更复杂流程。
LangChain 让定义 LLM 可动态使用的工具变得容易，并帮助解析和访问非结构化数据。

历史（History）

鉴于该领域变化速度极快，LangChain 也在不断演进。

2022-10-24 — v0.0.1

在 ChatGPT 发布前一个月，LangChain 作为 Python 包发布。它包含两个主要组件：

LLM 抽象层
“Chains”：为通用用例预设的计算步骤。例如 RAG：先执行检索步骤，然后执行生成步骤。

LangChain 的名称来自 “Language”（语言模型）和 “Chains”。

2022-12

第一批通用 Agent 被添加到 LangChain 中。

这些通用 Agent 基于 ReAct 论文（ReAct = Reasoning and Acting）。
它们使用 LLM 生成代表工具调用的 JSON，然后解析该 JSON 以确定应调用哪些工具。

2023-01

OpenAI 发布 “Chat Completion” API。

此前，模型输入字符串并返回字符串。
在 ChatCompletions API 中，模型演进为接收消息列表并返回消息。
其他模型提供商也跟进，LangChain 更新以支持消息列表。

2023-01

LangChain 发布 JavaScript 版本。

LLM 和 Agent 将改变应用程序的构建方式，而 JavaScript 是应用开发者的主要语言。

2023-02

LangChain Inc. 作为公司成立，以开源 LangChain 项目为基础。

主要目标是“让智能 Agent 无处不在”。
团队意识到，尽管 LangChain 是关键部分（让使用 LLM 入门变得简单），但还需要其他组件。

2023-03

OpenAI 在其 API 中发布 “function calling”。

这使 API 可以明确生成代表工具调用的结构化数据。
其他模型提供商跟进，LangChain 更新为首选使用此方式进行工具调用（而不是解析 JSON）。

2023-06

LangSmith 发布，由 LangChain Inc. 推出，为闭源平台，提供可观测性和评估工具。

构建 Agent 的主要问题在于可靠性，LangSmith 正是为解决该需求而构建。
LangChain 随后更新以与 LangSmith 无缝集成。

2024-01 — v0.1.0

LangChain 发布 0.1.0，首次脱离 0.0.x 版本。

随着行业从原型阶段迈向生产阶段，LangChain 提高了对稳定性的关注。

2024-02

LangGraph 发布，作为开源库。

最初的 LangChain 有两个重点：LLM 抽象层，以及帮助快速构建常用应用的高层接口；然而缺少一个低层编排层，让开发者能精准控制 Agent 的执行流程。
于是出现了：LangGraph。

在构建 LangGraph 的过程中，我们吸取了 LangChain 的经验，并加入了实践中发现必需的功能：流式输出、持久化执行、短期记忆、人类介入（human-in-the-loop）等。

2024-06

LangChain 拥有超过 700 个集成。

集成从 LangChain 核心包中拆分，要么迁移至独立包（核心集成），要么迁移至 langchain-community。

2024-10

LangGraph 成为构建任何不只是单次 LLM 调用的 AI 应用的首选方式。

随着开发者希望提高应用的可靠性，他们需要比高层接口提供的更多控制能力。
LangGraph 提供了这种低层灵活性。

大多数 Chains 和 Agents 在 LangChain 中被标记为弃用，并提供了迁移至 LangGraph 的指南。
LangGraph 中仍保留一个高层抽象：Agent 抽象。
它构建在 LangGraph 的低层之上，并保持与 LangChain ReAct Agents 相同的接口。

2025-04

模型 API 变得更具多模态能力。

模型开始接受文件、图像、视频等输入。
我们更新了 langchain-core 的消息格式，使开发者能够以标准方式指定这些多模态输入。

2025-10-20 — v1.0.0

LangChain 发布 1.0，带来两项重大变更：

完全重构 langchain 中的所有 chains 和 agents。
所有 chains 和 agents 现在统一替换为仅一个高层抽象：基于 LangGraph 构建的 Agent 抽象。
这是最初在 LangGraph 中创建的高层抽象，但现迁移到 LangChain。
对于仍使用旧 LangChain chains/agents 且不想升级的用户（推荐升级），可安装 langchain-classic 包继续使用旧版本。
标准化消息内容格式：
模型 API 从返回简单字符串内容的消息，演进为更复杂的输出类型——推理块、引用、服务器端工具调用等。
LangChain 更新消息格式以实现跨提供商标准化。