Agent
LangChain
用于编排模型、检索和工具的开源框架，适合搭建可定制的 Agent 与 RAG 流程。
访问官网
访问方式：开源 · 开源框架；托管观察性产品另计
它是什么
LangChain 提供把提示、模型、检索器和工具串起来的开发框架，并与 LangGraph 等编排层一起使用。它适合已经确定要自建 Agent 或 RAG 的工程团队，而不是想要现成聊天网站的人。
和 n8n、Dify 这类可视化产品相比，LangChain 更靠近代码；和 Vercel AI SDK 相比，它覆盖的编排和检索抽象更多，学习成本和版本变化也更明显。
框架不能自动保证准确性。检索质量、工具权限和评测集仍要自己设计。
核心能力
编排抽象
把模型、提示和工具组合成可复用链或图，适合复杂流程而不是单次补全。
检索集成
常见于 RAG 工作流，具体向量库和切分策略仍需按语料选择。
生态组件
社区和官方维护大量集成，升级时要核对破坏性变更。
典型使用场景
- 搭建带工具调用的 Agent 原型
- 把文档检索接到对话流程
- 用图编排多步、可中断的 Agent
- 在 Python 或 JavaScript 栈中复用社区集成
适合谁
- AI 应用工程师
- 后端开发者
- 研究工程师
使用时要注意
- 这是开发框架，需要工程能力，不是托管聊天产品。
- LangChain、LangGraph 和 LangSmith 是相关但不同的产品面。
- 默认示例不等于生产权限模型。
- 依赖版本变化快，生产应锁定并写回归。
工具信息
- 访问方式
- 开源框架；托管观察性产品另计
- 收费方式
- 开源
- 分类
- Agent
- 开源状态
- 开源
- 标签
- 框架 · RAG · Agent · 工具调用 · 开源
细分分类： RAG 知识库工具
相关合集： 精选 AI 工具
官方资料
相关 AI 工具
相关 TodayAI 指南
- 用 LangGraph 构建可定制的 RAG Agent用 LangGraph 把 RAG 拆成可路由节点：决定是否检索、ToolNode 取回文档、grade 相关性，再生成答案或改写问题重试。
- 用 Deep Agents 做第一次研究型 Agent按 Deep Agents Quickstart：安装 deepagents、配置搜索工具与模型，用 create_deep_agent 跑通第一个研究型 Agent。
- 用 LangChain 搭一条最小 RAG 链路按 LangChain RAG 文档完成切分、向量化、检索与生成的最小闭环。
- 给 LangGraph 加上 Persistence 保存会话状态用 LangGraph checkpointer 持久化图状态，支持断点续跑与线程恢复。
- 用 LangGraph 定义可分支的工作流图用 StateGraph 定义节点与边，跑通一个带条件分支的最小工作流。