LangChain 学习必备，从入门到实践的全新版指南！

自 2022 年 ChatGPT 发布以来，生成式 AI 迅速成为全球焦点。从 GPT-3.5 到如今的 GPT-4o 模型，OpenAI 不断刷新人们对人工智能的认知边界。AI 也逐步具备了听、说、看的多模态能力，开始向真正的智能助手演进。

AI 技术也由此进入竞速阶段。2023 年 DeepSeek 凭借开源模型 DeepSeek-R1 引发关注，在多个评测维度上已接近 GPT-3.5 的表现，并通过工程优化显著降低训练成本，在算力效率与落地潜力方面展现出强劲竞争力。

如今，AI 应用开发已不再是巨头专属，而是属于每一位具备技术能力的开发者。在众多开发框架中，LangChain 正成为通向这一新世界的重要桥梁。

LangChain框架的爆火

LangChain 作为开源项目首次进入公众视野是在 2022 年 10 月，这个项目很快在 GitHub 上获得大量关注，进而转变成一家迅速崛起的初创企业，LangChain 的作者 Harrison Chase 也自然成为这家初创企业的 CEO。

LangChain在GitHub上的star数变化趋势（数据截至2024 年10月）

尽管 LangChain 在早期没有产生收入，也没有明确的商业化计划，却在短时间内获得了 1000 万美元的种子轮融资，紧接着又获得 2000 万-2500 万美元的 A 轮融资，估值约为 2 亿美元。巨额的资本投入反映了投资者对 LangChain 未来潜力的坚定信念，以及对 LangChain 作为 AI 技术发展关键设施的共识。

LangChain 作为一种大模型应用开发框架，有效地解决了当前 AI 应用开发中的多个痛点。以流行的 OpenAI GPT 系列模型为例，其使用过程中通常面临以下挑战。

• 数据时效性：当前主流 GPT 模型的数据更新往往滞后几个月，限制了其时效性和适用范围。

• token 数量限制：例如，使用 GPT-4 尝试总结一份 200 页的 PDF 文件时，由于 token 数量限制，其功能可能会受阻。

• 网络连接限制：GPT-4 无法联网，因此不能获取最新的信息。

• 数据源整合限制：GPT-4 不能直接与其他数据源进行链接，这限制了它的多样性和灵活性。

一方面，LangChain 框架旨在将大模型、提示词管理、外部知识库、第三方工具和向量数据库集成到一起，以便用户能够灵活地构建定制化的大模型应用。

这种集成方式为开发者提供了前所未有的创新自由，允许他们利用大模型的强大能力解决各种复杂问题，加速大模型应用的落地。

另一方面，LangChain 作为胶水层的框架，极大地提高了开发者的编码效率。LangChain 让开发者能够将更多精力集中于推动产品创新和功能的持续迭代，减少了基础架构搭建的烦琐工作。这样一来，开发者就可以将宝贵的时间和资源用于打磨产品，优化用户体验。

LangChain全新版指南

经过两年多的发展，LangChain已经演变为一个非常庞大和复杂的代码库。从头开始阅读和分析 LangChain 的源码，对于新手来说已经不太现实，并且大模型领域的概念日新月异，容易抓不住重点。

为了帮助更多读者高效掌握 LangChain，理解大模型应用开发的核心路径，《LangChain编程：从入门到实践（第2版）》应运而生。

随着 LangChain 社区的持续演进，我们推出了本书的第 2 版，旨在帮助大家紧跟最新的开发范式与技术变动。

第 1 版曾广受读者好评，第 2 版在延续原有简洁、易懂的讲解风格基础上，进行了系统性的内容升级：

• 新增了对 LangGraph 库的详细讲解，该库专门用于构建代理工作流应用。

• 移除了Chain组件的相关内容，包括StuffDocumentsChain和 ConversationalRetrievalChain 等接口的介绍。

• 迁移了 ConversationBufferMemory 和 ConversationStringBufferMemory等传统记忆组件的使用方法。

• 将 LangChain 核心代码从langchain_core.pydantic_v1迁移到 pydantic_v2。

• 使用 langchain-core、langchain-[partner] 和 langchain-community 等 SDK 替代原有的 langchain 包，并将所有链的调用方式改写为 LCEL。

• 全面支持 LangChain 0.3 及以上版本的代码示例和说明。

• 代码示例由 OpenAI 大模型替换为国内的通义千问大模型和 DeepSeek 大模型。

这一系列的更新，帮助读者有效地规避版本差异带来的学习障碍，从基础到实践全面掌握 LangChain 编程路径，内容涵盖核心理论、开发范式、常见场景和实战案例。

无论你是零基础读者，还是有一定经验的工程师，都能从本书中找到适合自己的学习节奏。

可以说，想学 LangChain，看这一本就够了！

《LangChain编程：从入门到实践（第2版）》

李多多（@莫尔索） | 著

（新书上市，为大家申请了福利价格，只要 34.9 元👆）

本书以简洁而实用的方式引导读者入门大模型应用开发，涵盖 LangChain 的核心概念、原理和高级特性，通过实例细致解读了 LangChain 框架的核心模块和源码，并结合 DeepSeek 等，为读者提供了在实际项目中应用 LangChain 的逐步指导。这一版在第 1 版的基础上进行了全面更新，并新增了对 LangGraph 库的详细讲解等内容。

作者简介

李多多（@莫尔索） 企业 AI 项目研发负责人，多家企业 AI 技术顾问，专注于 AI 工程化落地与企业级解决方案。在大模型应用开发领域经验丰富，擅长大模型应用工程化、RAG 系统构建及 AI Agent 开发。著有《从零开始构建企业级RAG系统》，并开源电子书《LLM应用开发实践》

内容简介

全书共 10 章内容，基于 LangChain 0.3，涵盖 LangGraph 库。并深入解析  LangChain 六大组件：模型输入/输出、检索、链、记忆、代理与回调，系统掌握核心能力。

另外作者还提供了实战大案例，从 0 到 1 构建多模态智能机器人，理论结合实践，带你轻松开启大模型应用之旅。还随书附赠详尽示例代码，快速上手，助你轻松驾驭大模型技术。

专家推荐

自从 ChatGPT 问世以来，大模型迅速引发了新一轮技术革新的浪潮。在这一背景下，如何高效地集成和应用这些先进的大模型，成为开发者、研究人员和企业亟须解决的重要问题之一。LangChain 通过提供工具、库以及最佳实践，以开源社区驱动的方式，助力用户更便捷地利用大模型的潜力。本书将带领读者深入 LangChain 的世界，探索释放大模型潜能的有效方法。

——阿法兔，微软 MVP，ChaosAI 发起人

这是一本专为大模型应用开发初学者设计的实用指南。通过 LangChain 框架，本书从基础概念到实际应用，逐步讲解如何构建高效、智能的 AI 系统。书中包含丰富的实例和案例研究，不仅为读者提供了学习资源，还为开发者在实际项目中应用这些技术提供了明确指导。无论你是 AI 领域的入门者还是希望提升技能的专业人士，这本书都能帮助你掌握大模型应用开发的核心知识。

——何静，Intel 前工程师，AI 研究社区 AFE 联合创始人

大模型时代为许多人带来了新机遇，我和莫尔索都十分珍惜这一波机会，并在默默努力。我经常阅读他的公众号文章，每篇都写得非常用心。我相信，对于想要入门 LangChain 的读者来说，这本书一定能提供清晰且完整的进步路径。在大量企业的大模型应用落地项目中，我们频繁遇到相关人才短缺的问题，缺口较大。因此，纸上得来终觉浅，我希望与莫尔索一起，在大模型应用落地的道路上，助力大家更好地成长。

——覃睿，毕昇（BISHENG）作者，数据项素产品总监