第 01 课：LangChain 简介 - 为什么需要它？

课程目标

通过本节课，你将学到：

• ✅ 什么是 LangChain，它解决了什么问题
• ✅ LangChain 的核心概念和架构
• ✅ LangChain 的典型应用场景
• ✅ LangChain 与其他框架的对比

---

一、什么是 LangChain？

1.1 问题背景

在使用大语言模型（LLM）开发应用时，我们常常面临这些问题：

痛点 1：模型调用繁琐

# 不使用框架：每次都要写一堆重复代码
import requests

def call_openai(prompt):
    headers = {"Authorization": f"Bearer {API_KEY}"}
    data = {
        "model": "gpt-3.5-turbo",
        "messages": [{"role": "user", "content": prompt}]
    }
    response = requests.post(
        "https://api.openai.com/v1/chat/completions",
        headers=headers,
        json=data
    )
    return response.json()["choices"][0]["message"]["content"]

痛点 2：无法管理上下文

# 每次对话都是独立的，无法记住之前的内容
user: "你好"
AI: "你好！有什么可以帮你的？"
user: "我叫张三"  # AI 已经不记得上一句话了
AI: "你好张三！"  # 它是怎么知道我叫张三的？

痛点 3：无法使用外部工具

user: "今天北京天气怎么样？"
AI: "抱歉，我无法获取实时天气信息..."  # ❌ 无能为力

痛点 4：复杂流程难以编排

# 需求：先查数据库 → 再调用 LLM → 最后发送邮件
# 手动编排流程非常复杂...

1.2 LangChain 的解决方案

LangChain 是一个开源框架，专门用于构建基于 LLM 的应用程序。它通过以下方式解决上述问题：

痛点	LangChain 解决方案
模型调用繁琐	统一的模型接口，一行代码调用
无法管理上下文	内置 Memory 组件，自动管理对话历史
无法使用外部工具	Tools 机制，让 LLM 调用外部 API
复杂流程难以编排	Chains + LCEL，声明式流程编排

1.3 LangChain 的核心价值

# 使用 LangChain：简洁优雅
from langchain_openai import ChatOpenAI
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain

# 1. 初始化模型
llm = ChatOpenAI(model="gpt-3.5-turbo")

# 2. 添加记忆
memory = ConversationBufferMemory()

# 3. 创建对话链
conversation = ConversationChain(llm=llm, memory=memory)

# 4. 开始对话
response = conversation.predict(input="你好，我叫张三")
print(response)  # 你好张三！很高兴认识你...

response = conversation.predict(input="我叫什么名字？")
print(response)  # 你叫张三！  # ✅ 记住了！

---

二、LangChain 的核心概念

LangChain 的架构由六大核心组件构成：

2.1 六大核心组件

┌─────────────────────────────────────────┐
│            LangChain 架构                │
├─────────────────────────────────────────┤
│                                         │
│  ┌──────┐  ┌──────┐  ┌──────┐         │
│  │Models│  │Prompts│  │Parsers│         │
│  └──────┘  └──────┘  └──────┘         │
│                                         │
│  ┌──────┐  ┌──────┐  ┌──────┐         │
│  │Chains│  │Memory│  │Agents│         │
│  └──────┘  └──────┘  └──────┘         │
│                                         │
└─────────────────────────────────────────┘

组件	作用	示例
Models	管理 LLM 调用	OpenAI、Claude、GLM
Prompts	管理提示词模板	"请用{language}写一首诗"
Parsers	解析 LLM 输出	将 JSON 字符串转为字典
Chains	编排多个步骤	先查天气 → 再生成建议
Memory	管理对话上下文	记住用户之前说过的话
Agents	自主决策和行动	根据问题选择合适的工具

2.2 数据流

graph LR
    A[用户输入] --> B[Prompts<br/>提示词模板]
    B --> C[Models<br/>LLM 调用]
    C --> D[Parsers<br/>输出解析]
    D --> E[结构化输出]
    
    F[Memory<br/>对话历史] -.-> B
    G[Agents<br/>自主决策] -.-> C
    H[Chains<br/>流程编排] -.-> A

---

三、LangChain 的应用场景

3.1 典型应用

应用类型	描述	难度
聊天机器人	智能客服、虚拟助手	⭐⭐
文档问答	与 PDF/Word 文档对话	⭐⭐⭐
知识库检索	RAG（检索增强生成）	⭐⭐⭐
自动化工作流	邮件处理、报告生成	⭐⭐⭐⭐
智能体应用	AutoGPT、CrewAI	⭐⭐⭐⭐⭐

3.2 实际案例

案例 1：智能客服机器人

• 输入：用户问题
• 处理：
  1. 从知识库检索相关文档
  2. LLM 生成回答
  3. 记录对话历史
• 输出：精准的客服回复

案例 2：代码助手

• 输入：自然语言需求
• 处理：
  1. 理解用户意图
  2. 生成代码
  3. 执行并测试
• 输出：可运行的代码

案例 3：文档分析

• 输入：PDF 合同
• 处理：
  1. 提取关键信息
  2. 生成摘要
  3. 风险点标注
• 输出：结构化分析报告

---

四、LangChain vs 其他框架

框架	优势	劣势	适用场景
LangChain	生态完善、组件丰富、文档详细	学习曲线稍陡	通用 LLM 应用开发
LlamaIndex	专注数据索引和检索	Agent 能力较弱	RAG、文档问答
AutoGPT	完全自主的 Agent	不可控、成本高	实验、探索性任务
Haystack	NLP pipeline 强大	不够灵活	搜索引擎、问答系统

选择建议

• 新手入门：推荐 LangChain（本教程）
• RAG 专用：LangChain + LlamaIndex 组合
• 快速原型：LangChain + Streamlit
• 生产环境：LangChain + FastAPI

---

五、LangChain 生态系统

5.1 官方工具

工具	用途
LangChain	Python/JS 核心框架
LangSmith	调试、测试、监控平台
LangServe	将 Chain 部署为 API
LangGraph	构建 Stateful Agent

5.2 社区生态

• 模型提供商：OpenAI、Anthropic、Google、百度、阿里等
• 向量数据库：Pinecone、Weaviate、Chroma、Milvus
• 工具集成：Wikipedia、Google Search、Python REPL、SQL Database

---

六、本课小结

核心要点

1. LangChain 解决什么问题？

   • 简化 LLM 调用
   • 管理对话上下文
   • 让 LLM 使用工具
   • 编排复杂流程

2. LangChain 的六大组件：

   • Models、Prompts、Parsers
   • Chains、Memory、Agents

3. 典型应用场景：

   • 聊天机器人、文档问答、知识库、自动化、智能体

下节预告

下一课，我们将进行 环境搭建，包括：

• Python 环境配置
• LangChain 安装
• 第一个 Hello World 程序
• 常见问题排查

---

🎯 课后练习

1. 思考题：LangChain 的哪个组件最吸引你？为什么？
2. 调研题：去 LangChain 官网 浏览文档，列出 3 个你感兴趣的功能。
3. 分享题：你希望用 LangChain 构建什么应用？

---

📚 延伸阅读

• LangChain 官方文档
• LangChain GitHub
• LangChain 中文教程

---

上一课：返回目录 | 下一课：02 - 环境搭建