【LangChain】

以下是关于 LangChain框架 各核心组件的详细解析，结合其功能定位、技术实现和实际应用场景：

一、LangChain Libraries（核心库）
功能定位

跨语言支持：提供Python/JS双版本API，统一不同语言的LLM开发生态

模块化设计：将LLM应用开发拆解为可插拔组件
核心模块

模块 功能 示例代码

Models 抽象不同LLM提供商（OpenAI/HuggingFace等）的调用接口 from langchain_community.llms import OpenAI
Prompts 管理提示模板（支持变量插值、few-shot示例） PromptTemplate.from_template(“总结{text}”)
Memory 维护对话历史（支持窗口记忆/摘要记忆等） ConversationBufferMemory()
Chains 组合多个步骤（如：问答=检索+生成） RetrievalQA.from_chain_type(llm, retriever=vectorstore.as_retriever())
Agents 让LLM动态调用工具（搜索引擎/计算器等） initialize_agent(tools, llm, agent=“zero-shot-react-description”)
Retrieval 文档检索系统集成（FAISS/Chroma等） from langchain_community.vectorstores import FAISS

技术特点

统一接口层：标准化不同LLM提供商的API差异

组合式开发：通过LCEL（LangChai