LangChain 怎么用：138K+ Star 的 Agent 工程平

LangChain 是一款聚焦 AI智能体 场景的工具，138K+ Star 的 Agent 工程平台，提供 LangChain、LangGraph、LangSmith 三大产品。本文基于官方产品文档，梳理它的能力构成与适合的使用方式。

市场信号

LangChain 已成为全球 AI Agent 和 RAG 应用开发的事实标准框架之一，在 GitHub 上以超过 138K Star 位居 AI 框架榜首区间，PyPI 月下载量超过千万次，证明了其在生产环境中的广泛采用。全球数万家企业和开发团队在生产环境中使用 LangChain 构建 AI 应用，覆盖金融、医疗、法律、电商等多个行业。 LangSmith（商业可观测性平台）已积累大量企业付费客户，为 LangChain, Inc. 提供商业营收支撑。在第三方开发者调查中，LangChain 持续位列「最常用 AI 应用框架」榜单前列，与 LlamaIndex 形成生态互补，共同主导 RAG 应用开发市场。LangGraph 的推出进一步巩固了在复杂 Agent 编排场景的竞争优势，被多家头部 AI 企业（如 LinkedIn、Uber 等）用于内部 Agent 系统建设。

产品能力

• LangChain 框架（链式调用）：提供 Chain、Runnable、LCEL（LangChain Expression Language）等抽象，将提示模板、模型调用、输出解析、记忆管理等组件链式组合，构建可复用的 LLM 处理管道。
• RAG（检索增强生成）：内置文档加载器（PDF、HTML、数据库等）、文本分割、向量存储集成（Chroma、Pinecone、Weaviate 等）和检索链，是构建知识库问答系统的标准工具集。
• LangGraph（图状 Agent 编排）：将 Agent 工作流建模为有向图（节点 + 边），支持循环执行、条件分支、多 Agent 协作、中断与人工干预（Human-in-the-Loop），适合构建复杂状态机式 Agent 系统。
• 工具调用（Tool Calling）：标准化封装外部工具（搜索引擎、代码执行器、数据库、API 等）为 LLM 可调用的工具，自动处理工具选择、参数生成和结果反馈的完整循环。
• 多模型支持：统一接口封装 OpenAI、Anthropic Claude、Google Gemini、Mistral、本地 Ollama 等 100+ 模型，切换模型只需更换一行配置。
• LangSmith（可观测性）：自动记录每次 LLM 调用的输入、输出、延迟和 Token 成本，支持对比实验、回归测试和 Prompt 评估，是 LLM 应用进入生产环境的质量保障工具。

一句话判断：如果你的工作流确实卡在上面这些环节，LangChain 值得放进候选名单先做小范围验证；反之则不必为了功能而引入。