1.LangChain #

• langchain官方文档
• langchain中文文档
• scikit-learn
• MMR
• faiss
• abc
• Pydantic
• langchain

LangChain 是一个专为开发大语言模型 (LLM) 应用而设计的框架。它可以帮助开发者更高效地管理与大模型的交互、数据链路，以及将LLM与现实世界的数据和工具进行结合。LangChain 有以下几个重要特点：

1. 模块化
   LangChain 拥有清晰的模块结构，包括 Prompt Templates（提示模板）、Memory（记忆）、Chains（链）、Agents（代理）等，这些模块可独立使用也可组合搭建复杂应用。

2. 支持多模型和多后端
   可以与 OpenAI、Anthropic、Cohere、Google PaLM 等多种大模型及API无缝对接，也支持本地模型部署。

3. 链式结构
   允许开发者将数据处理、推理、记忆等多个步骤串联起来，灵活定制功能强大的链式工作流。

4. Agent 智能体机制
   支持 Agent，能够使模型根据上下文动态选择工具并自主决策，实现更复杂的任务分解与执行。

5. 多样的集成功能
   可方便地集成检索增强生成（RAG），支持与搜索引擎、数据库、API等外部资源结合；支持工具调用、插件与知识库扩展。

2.LangChain生态 #

uv add langchain langchain-openai langchain_deepseek  langchain_community dashscope faiss-cpu

LangChain 生态包含多个相关的 Python 包，它们各自承担不同的角色，相互协作，共同实现强大的大语言模型应用开发能力。

• langchain
  这是 LangChain 的主包，集成并协调各个子模块和生态包的一致接口。大部分应用开发者只需直接安装和使用此包即可。它对下游的核心、代理、工具等功能进行统筹和简化，负责统一调用各类功能，并维护了和各类后端（例如 OpenAI、Anthropic、Community、Classic 等）的适配。

• langchain-core
  LangChain 的核心基础库，定义了所有框架的基本接口、类型、核心链式逻辑、工具抽象、消息结构等。这个包非常轻量，几乎不依赖外部大厂或者模型实现，主要关注抽象和最基础的链式运算定义。langchain 主包依赖于它。

• langchain-community
  这是一个社区集合包，提供由社区编写和维护的各种数据源、工具、模型集成等拓展组件，比如第三方大模型接口、自定义文档加载器、数据库集成工具等。langchain 主包会自动整合这些拓展，使其便于直接调用。

• langchain-openai
  专门针对 OpenAI 家族大模型接口（如 GPT-3, GPT-4, ChatGPT, OpenAI Embedding 等）做适配与集成的包。它依赖 langchain-core 中的接口，并作为一个“后端插件”被主包、社区包等统一协调调度。

• langchain-deepseek
  这个包专门用于接入 DeepSeek 相关的大模型服务（如 DeepSeek LLM），本质上和 langchain-openai 类似，属于官方或者社区贡献的“特定后端适配包”。它实现了标准接口，便于和 LangChain 的链式逻辑组合。

• langchain_classic
  此为 LangChain 生态因版本升级造成重大变化后，为了兼容老版本 API/行为而准备的包。它提供了一些经典写法的适配，有助于老项目平滑迁移到新架构。今后开发建议直接用上方的新包。

依赖与集成关系示意

• langchain（主包）
  • 依赖/集成 → langchain-core
  • 集成 ← langchain-community、langchain-openai、langchain-deepseek 等后端包
  • 兼容 ← langchain_classic（为维护历史代码）

通过这种划分，LangChain 能实现“核心与扩展分离”、“新旧兼容”、“社区活力扩展”的生态设计。开发者挑选合适的适配包，即可快速构建支持不同后端模型与工具链的大语言模型应用。