本文详解LangChain 1.0两大核心更新：create_agent简化了带工具调用的ReAct agent创建，通过循环判断tool_call实现自动化；Middleware采用切面编程提供6个hook点，使Context Engineering更加便捷，内置人工确认、请求限制等实用功能，大幅简化了多轮循环应用的开发流程。
LangChain 最近更新了1.0版本，其中最重要的两个内容是 create_agent 和 Middleware。
create_agent
create_agent 接口让我们可以用几行代码就创建一个带工具调用的 ReAct agent。
from langchain.agents import create_agentagent = create_agent( model="claude-sonnet-4-5-20250929", tools=[search_web, analyze_data, send_email], system_prompt="You are a helpful research assistant.")result = agent.invoke({ "messages": [ {"role": "user", "content": "Research AI safety trends"} ]})
它的实现原理是，每次循环都去判断结果中是否带有 tool_call 的要求，如果有就循环，直到没有了就结束。
agent
从源码可以看到 model 和 tool 节点之间定义了两条边。
model to tools
tools to model
Middleware基本思路
Middleware 可以让我们在 ReAct 框架下做 Context Engineering 变得非常方便。在 ReAct 框架的“思考→行动→观察”循环模式下，我们经常需要在相邻两个步骤之间做一些处理，这正是你可能听说过的 context engineering。在 LangChain 1.0版本之前，我们只能写很多硬编码的逻辑去实现，修改和维护起来比较乱。
image
Middleware 使用了切面编程的思想，设定了6个hook：before_model, after_model, wrap_model_call, wrap_tool_call, after_model, after_agent。我们可以根据需要，把需要处理的逻辑放到合适的时机。
内置 Middleware
LangChain 已经有一些内置的 middleware，
- HumanInTheLoopMiddleware 可以实现一些高危的操作人工确认，比如读写文件等
- ModelCallLimitMiddleware，ToolCallLimitMiddleware 可以实现请求重试次数限制，防止重试次数过多
- ContextEditingMiddleware 可以做上下文的清理和编辑
如果定义了多个 Middleware
agent = create_agent( model="gpt-4o", middleware=[middleware1, middleware2, middleware3], tools=[...],)
他们之间的先后顺序如下：
启动agent前
- 1.middleware1.before_agent()
- 2.middleware2.before_agent()
- 3.middleware3.before_agent()
Agent开始
- 4.middleware1.before_model()
- 5.middleware2.before_model()
- 6.middleware3.before_model()
调用模型
- 7.middleware1.wrap_model_call() → middleware2.wrap_model_call() → middleware3.wrap_model_call() → model
模型调用结束
- 8.middleware3.after_model()
- 9.middleware2.after_model()
- 10.middleware1.after_model()
Agent 结束
- 11.middleware3.after_agent()
- 12.middleware2.after_agent()
- 13.middleware1.after_agent()
应用举例
下面两个例子我们可以体会 ReAct 多轮循环的运行过程。
应用1：智能问答
定义两个工具，一个查询知识库，一个网页搜索。第一轮对话先查询知识库，如果查不到第二轮再去做网页搜索。
应用2：智能客服
引入 human-in-the-loop 环节，如果用户提问（查询最近的医院）缺少关键信息（用户目前的定位在哪），系统会要求用户补充，下一轮再执行搜索。
上面两张图的代码在文末参考链接中的 towardsai 文章中， 没有用到1.0版本新的API，大家可以看到处理节点之间流转的代码有很多。如果用 create_agent 可以把图相关的代码简化掉，另外 tool call 的调用也比判断输出中是否包含特定的字符串优雅。
如何学习AI大模型 ？
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓
优快云粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
👉1.大模型入门学习思维导图👈
要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。
对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）
👉4.大模型实战项目&项目源码👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）
为什么分享这些资料?
只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！
这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
优快云粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈
扫一扫
672
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
