之前写过一篇关于《从框架到智能体,一文看懂LangChain五兄弟的秘密》文章,这里先跟大家道个歉,里面确实有些东西说的有歧义,而今天则系统的对LangChain最新的v1.0生态进行解读。
1、四大组成部分 LangChain发展至今,现早已不是一个框架那么简单,只是因为LangChain的名字使用的最广泛,知名度最高,所以还在延用,但我们要清楚,现在说的LangChain其实指的是一个生态。这个全新的家族生态,主要由四部分组成。LangChain:生态的起点,智能体的开发基石,出现最早的基于LLM应用的框架,主打链式(Chain)结构,提供了基础能力,例如模型调用、工具调用、智能体创建、中间件等。LangGraph:发展到一定阶段的必然产物,是复杂工作流的编排引擎,从名字上也可以看出来,主打Graph图结构。其核心是使用节点(Node)、边(Edge)和状态(State)打造有向图。
Deep Agents:LangChain的新成员,我没记错的话,应该是今年8月慢慢放出消息后发布的,其实我个人认为,还是属于一个探索性质的项目,比较年轻,出现的目的则是想打造对标Manus和Claude Code这类工业级智能体。它构建于LangChain与LangGraph之上,被定为是智能体执行框架,背后的核心是由Agent Harness驱动的。不过它内部封装的一些核心特性,例如任务自动规划、文件系统、大结果下沉(英文是Large tool result eviction,我也不知道咋翻译好)、子智能体等,还是确实能快速构建出一个较为复杂的智能体,尤其是Deep Research那种,确实特别快。注:它内置的那些核心特性,本质上都是中间件机制。而中间件机制,我感觉是LangChain v1.0中最大的一个变化,也是最重要的一个变化,没有之一,后面会详细说明。
LangSmith:这个就不多说了,想必大家都很清楚,跟智能体开发没啥关系,是智能体的一个可观测性(监控)和智能体评估平台。当然,基于非langchain开发的智能体也可以使用,只不过他默认绑定的肯定是LangChain生态。所以从这也能看出来了LangChain团队的野心,他要玩闭环才能把他的商业模式转起来:开发->调试->部署->监控->评估->持续优化。
所以现在LangChain 1.0生态,主要包含我上面说的四部分,千万不要认为只是一LangChain框架,他是一个生态,不要被名字骗了。2、LangChain v1.0新特性 之前使用LangChain v0.x版本时,大家可能都有这种感觉,虽然其功能强大,但是概念繁杂、框架整体臃肿、乱、学习曲线杂。而LangChain自2022年底发布以来,将近3年的时间里,版本号一直也没说直接上升到1.x,始终停留在0.x版本,这本身就说明了,其快速发展中保持了谨慎的态度。而此次直接跃迁至v1.0,真正意义上的第一个正式大版本,其意义不言而喻,并且其官方也声明了,在v2.0到来之前,不会再引入一些破坏性的颠覆功能特性,所以大家是时候,将老版本的代码,进行重构和升级了。
首先,LangChain v1.0解决的第一个问题是统一性。它对框架进行了一次彻底的重构与瘦身,目的不是为了引入更多的功能,而是重塑开发者的体验。它废弃了老版本中冗余API,统一了接口,新版本中使得框架变得更为轻量、直观且容易维护。
其背后的核心思想是抽象层设计,引入了Runnable Interface作为统一入口点,所有可执行组件实现了Runnable协议,可被例如‘.invoke’和‘.stream’调用。
result = model.invoke("请帮我生成一段关于AI未来的简短总结。")pv = chat_prompt.invoke({"topic": "LangChain 的核心理念"})result = agent.invoke( {"messages": [HumanMessage(content="请计算3乘以5的结果是多少?")]})for chunk in model.stream("请用一句话总结人工智能的意义:"): print(chunk.content, end="")for chunk in graph.stream(inputs, stream_mode="custom"): print(chunk)
其次,更强化了智能体的理念。从早期的链式思维,升级为以智能体为核心,建立在LangGraph强大编排能力之上,封装了智能体的编程接口('create_agent'与'create_deep_agent')来创建智能体,而并没有延用LangGraph的命名。因为在LangChain v1.0中,已经将LangGraph下沉为底层框架了,再加上有重要新特性中间件的加持,我们大多数场景下,无需再使用底层LangGraph API了。
agent = c…