依赖包名称核心作用详细功能介绍langchain-core核心抽象层和 LCEL定义所有组件如模型、消息、提示词模板、工具、运行环境的标准接口和基本抽象。它包含了LangChain 表达式语言 (LCEL)这是构建链式应用的基础。这是一个轻量级、不含第三方集成的基石包。langchain应用认知架构主包包含构建 LLM 应用的通用高阶逻辑如 Agents (如新的 create_agent() 函数)、Chains 和通用的检索策略 (Retrieval Strategies)。它建立在 langchain-core 之上是用于组合核心组件的“胶水”层。langchain-community社区第三方集成包含由 LangChain 社区维护的非核心或不太流行的第三方集成例如大部分的文档加载器 (Document Loaders)、向量存储 (Vector Stores)、不太流行的 LLM/Chat Model 集成等。为了保持包的轻量所有依赖项都是可选的。langchain-openai/langchain-[厂商名称]特定厂商深度集成针对关键合作伙伴的集成包如 langchain-openai, langchain-anthropic。它们被单独分离出来以提供更好的支持、可靠性和更轻量级的依赖。它们只依赖于 langchain-core。langchain-classic旧版本兼容包含 LangChain v0.x 版本中的已弃用 (deprecated) 或旧版功能如旧的 LLMChain、旧版 Retrievers、Indexing API 和 Hub 模块。它的主要作用是为用户提供一个平稳的迁移期确保旧代码在升级到 v1.0 后仍能运行。langchain-core包含核心抽象与接口LLM/ChatModel 抽象、Prompt 抽象、Chain/Agent 的基类、schema、消息格式等。不包含具体厂商的实现例如没有 OpenAI client 的封装而是定义“合同interfaces”其他包在此之上实现具体功能。这是构建 LangChain 应用生态的最小公共底座。# 安装pip install langchainfromlangchain_core.promptsimportPromptTemplate prompt_templatePromptTemplate.from_template({city}的公司起一个好名字)formatted_promptprompt_template.format(city北京)responsemodel.invoke(formatted_prompt)langchain主包对外的主入口包把langchain-core的核心抽象与“常用实现”组合在一起便于快速上手。在 v1.0 中langchain的命名空间被显著精简只保留构建 agent 的关键 API更轻、更专注。官方建议大多数用户直接使用此主包以获得“开箱即用”的体验。模块核心内容来源说明langchain.agentscreate_agent,AgentState智能体创建核心langchain.messagesAIMessage,HumanMessage,trim_messages从langchain-core重新导出langchain.toolstool,BaseTool从langchain-core重新导出langchain.chat_modelsinit_chat_model,BaseChatModel统一模型初始化langchain.embeddingsinit_embeddings嵌入模型管理fromlangchain.agentsimportcreate_agent# 创建智能体agent_executorcreate_agent(llm,tools)resultagent.invoke({# 消息messages:[{role:user,content:会议决定张三需要在下周一前完成项目报告}]})langchain-community 第三方集成库langchain-community 作为 LangChain 1.0 的“功能扩展层”通过社区贡献的非官方集成组件显著扩展了主包的功能边界其核心价值体现在工具类组件与平台集成两大维度。工具类组件覆盖文档处理全流程包括DirectoryLoader文档加载器支持 PDF、文本等多格式文件批量导入、RecursiveCharacterTextSplitter文本分割器按语义边界将文档切分为检索友好的 Chunk、PGVector向量存储PostgreSQL 生态的向量数据库适配及HuggingFaceEmbeddings嵌入模型本地部署模型的向量化能力这些组件共同构成了 RAG 应用的技术基础。平台集成方面支持与 DeepSeek、阿里云通义千问等模型的对接例如通过 langchain_community.chat_models.ChatTongyi 类初始化通义千问模型或利用 Ollama 类调用本地部署的 DeepSeek-R1 模型。包含内容数据库MySQL, PostgreSQL, MongoDB, Neo4j等连接器存储服务AWS S3, 阿里云OSS, Google Cloud Storage工具集成Slack, Notion, GitHub, ArXiv, YouTube等API向量数据库Chroma, Pinecone, Qdrant, Milvus等文档加载器PDF, CSV, HTML, Markdown解析器特点质量参差不齐社区贡献需自行验证稳定性更新滞后依赖社区维护响应速度慢于官方包功能丰富覆盖95%的第三方服务集成需求# 安装pip install langchain-communityfromlangchain_community.document_loadersimportNotionDBLoader# 从Notion数据库加载文档loaderNotionDBLoader(integration_tokensecret_...,database_idyour-db-id)documentsloader.load()print(f加载了{len(documents)}条文档)langchain-openai(厂商/提供者集成包)厂商特定集成包如 langchain-openai、langchain-anthropic、langchain-google 等通过封装 API 细节为开发者提供“零适配成本”的模型对接方案其核心价值在于简化特定 API 对接流程使开发者能够直接使用厂商特有功能。以 langchain-openai 为例其关键组件包括模型客户端、工具调用适配和多模型支持三大模块。此外该类还支持通过配置 openai_api_base 和 openai_api_key 参数对接兼容 OpenAI API 格式的第三方模型如 DeepSeek 模型专门负责把 OpenAI 的 SDK 与 LangChain 抽象连接起来提供ChatOpenAI、OpenAIEmbeddings、OpenAI等类的实现。这类包通常是 “按厂商拆分”langchain-openai、langchain-azure、langchain-anthropic、langchain-deepseek等。官方深度集成特定LLM提供商更新频繁功能最全.#!pip install langchain-openaifromlangchain_openaiimportChatOpenAI modelChatOpenAI(modelgpt-4o-mini)question你好请你介绍一下你自己。resultmodel.invoke(question)print(result.content)主流厂商包列表langchain-openaiOpenAI, Azure OpenAIlangchain-anthropicClaude系列langchain-googleGemini, Vertex AIlangchain-deepseekDeepSeek模型langchain-ollama本地Ollama部署与langchain-community的区别维度langchain-openailangchain-community中的OpenAI维护方OpenAI官方 LangChain团队社区维护更新频率即时跟进API更新延迟数周功能完整性支持所有新特性如音频、视觉仅基础功能生产可用性✅ 强烈推荐⚠️ 谨慎使用langchain-classic兼容包 / 迁移包把 LangChain v0.x 中的“老 API / legacy 功能”搬到单独包里以便 v1.0 保持精简但仍给用户向后兼容的迁移通道。包含如老的 Chain 实现、旧版 retrievers、索引 API、hub 模块等被标记为“legacy”的功能。旧版AgentExecutorLegacy ChainsLLMChain,SequentialChain等#!pip intsall langchain-classicfromlangchain_classic.chat_modelsimportChatOpenAI modelChatOpenAI(modelgpt-4o-mini)resmodel.invoke(请介绍一下你自己)
