前言

本书章节导航

• 前言 （当前）
• 第1章 为什么需要理解 LangChain
• 第2章 架构总览
• 第3章 Runnable 与 LCEL 表达式语言
• 第4章 消息系统与多模态
• 第5章 语言模型抽象层
• 第6章 提示词模板引擎
• 第7章 输出解析与结构化输出
• 第8章 工具系统
• 第9章 文档加载与文本分割
• 第10章 向量存储与检索器
• 第11章 Chain 组合模式
• 第12章 回调与可观测性
• 第13章 记忆与会话管理
• 第14章 Agent 架构与执行循环
• 第15章 工具调用与 Agent 模式
• 第16章 序列化与配置系统
• 第17章 Partner 集成架构
• 第18章 设计模式与架构决策

写作动机

2024 年，LangChain 完成了从 0.x 到 1.0 的蜕变。这不仅仅是一个版本号的变化——它意味着 API 的稳定化、架构的成熟化，以及从"快速实验框架"到"生产级基础设施"的定位转变。

LangChain 是 AI 应用开发领域使用最广泛的框架。但大多数开发者的使用方式是：复制官方示例，调整参数，遇到问题搜 Stack Overflow。他们知道 ChatOpenAI | prompt | parser 可以组成一个管线，但不知道 | 操作符背后发生了什么；知道 AgentExecutor 可以让模型调用工具，但不知道 Agent 循环的停止条件是如何判定的。

这本书要回答的是：LangChain 内部到底是怎么运作的？

当你写下 chain = prompt | llm | parser 时，LCEL 如何将三个组件编织成一个支持流式、异步、批处理的统一管线？当 Agent 决定调用一个工具时，从模型输出到工具执行再到结果回传，经历了哪些步骤？当你配置了 ConversationBufferMemory 时，历史消息如何在每一轮对话中被注入？

这本书讲什么

本书从 LangChain 的两个核心包出发：

• langchain-core（轻量、无第三方依赖）——定义所有基础抽象：Runnable、消息、提示词、工具、回调
• langchain（构建在 core 之上）——实现高级功能：Chain、Agent、Memory、Retriever

每一章聚焦一个核心模块，从设计意图出发，深入源码实现，大量使用 Mermaid 图表可视化架构关系和数据流，最后总结可迁移的设计模式。

源码版本

本书基于 LangChain 1.0.3 和 langchain-core 1.2.26 源码分析。建议将源码 clone 到本地边读边对照：

git clone 

核心代码在 libs/core/langchain_core/ 和 libs/langchain/langchain/ 目录下。

致谢

感谢 Harrison Chase 和 LangChain 团队创建了这个定义了 AI 应用开发范式的框架，并保持完全开源。