《LangChain编程：从入门到实践（第2版）》重磅更新！直击大模型痛点，助你高效开发AI应用。
原文标题：LangChain 学习必备，从入门到实践的全新版指南！
原文作者：图灵编辑部
冷月清谈：
为帮助读者高效掌握LangChain并紧跟最新技术发展，《LangChain编程：从入门到实践（第2版）》应运而生。本书在第1版基础上进行了系统性内容升级，新增了对LangGraph库的详细讲解，将核心代码迁移到pydantic_v2，并全面支持LangChain 0.3及以上版本，同时将代码示例替换为国内的通义千问和DeepSeek大模型。书中涵盖了LangChain的核心概念、原理、开发范式与实战案例，旨在为无论是零基础新手还是经验丰富的工程师提供完整的学习路径，助力他们在AI工程化落地与企业级解决方案中取得成功。
怜星夜思：
2、文章里介绍了LangChain作为大模型应用开发框架的重要性。那除了LangChain之外，目前还有哪些主流的、值得开发者关注的大模型应用开发框架或者工具呢？它们各自有什么侧重点和优势？
3、对于刚接触大模型应用开发的新手来说，除了阅读《LangChain编程：从入门到实践（第2版）》这本书，还有哪些高效的学习路径或者实践建议，能帮助他们更快地掌握这个领域？
原文内容
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 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。
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！
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。
——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