产品简介
LangChain 是最流行的 LLM 应用开发框架，帮助开发者快速构建基于大语言模型的应用。它提供了链（Chain）、Agent、RAG、记忆管理、工具调用等模块化组件，是 AI 应用开发的'瑞士军刀'。
LangChain 支持 Python 和 JavaScript，在 GitHub 上获得超过 9 万 Star。从简单的 prompt 链到复杂的多 Agent 系统，LangChain 几乎覆盖了所有 AI 应用开发场景。
🔥 2026 年重大更新：LangSmith Engine 发布——这是 LangChain 生态的代际升级：LangSmith 已定位为框架无关的 Agent 工程平台，支持 Go/Java SDK，新增 LangSmith Engine 可自动发现生产故障根因并建议修复。LangGraph 仍是推荐 Agent 构建方式，但 LangSmith 平台能力已扩展至 Agent 开发全生命周期（Observe, Evaluate, Deploy）。
Deep Agents 持续演进：2026-08-07，Managed Deep Agents 进入公开测试版，可将 Deep Agents 部署到托管的 LangSmith 运行时，提供持久化执行、记忆、沙箱、通道、评估（evals）及生产级基础设施。2026-10-08，LangChain 重构 Deep Agents 的 Skills 支持，面向企业技能库增至数千个的场景推出三项更新：工具可绑定到技能并只在该技能被读取时加载，用户可通过 /meeting-prep 这类显式请求固定技能使其在首次模型调用前载入，长线程可通过把 skills_metadata 设为 None 重新加载新增或变更的技能。
核心功能
- 链式调用：将多个 LLM 调用和工具串联成可复用的链（Chain）
- RAG 管道：内置向量存储和文档处理，快速构建知识库检索系统
- Agent 框架：创建能使用工具、做决策的 AI Agent
- 多模型支持：统一接口支持 OpenAI、Anthropic、本地模型等
- LangGraph：基于图的 Agent 编排框架，构建复杂的多 Agent 系统
- LangSmith：框架无关的 Agent 工程平台，支持 Observe、Evaluate、Deploy 全生命周期，提供 Python/TypeScript/Go/Java SDK
- LangSmith Engine：自动聚类生产故障、定位根因并建议修复，加速 Agent 改进
- Managed Deep Agents：2026-08-07 进入公开测试版，可将 Deep Agents 部署到托管的 LangSmith 运行时，提供持久化执行、记忆、沙箱、通道、评估（evals）及生产级基础设施
- Deep Agents Skills：2026-10-08 重构技能机制，面向企业技能库增至数千个的场景：工具可绑定到技能并只在该技能被读取时加载，用户可通过 /meeting-prep 这类显式请求固定技能使其在首次模型调用前载入，长线程可通过把 skills_metadata 设为 None 重新加载新增或变更的技能
适合谁用
以下类型的用户会特别受益于 LangChain：
- 知识库问答和 RAG 系统
- AI Agent 和工具调用应用
- 多步骤的 LLM 工作流
- 企业级 AI 应用的后端
- AI 应用的原型和 POC
优点亮点
- 生态最大：AI 开发框架中社区和资源最丰富
- 模块化设计：组件可灵活组合和替换
- 多语言：Python 和 JavaScript 都支持，新增 Go/Java SDK
- 持续迭代快：紧跟 AI 领域最新发展
- LangSmith 配套：调试、评估、部署和监控工具完善
- Deep Agents 能力持续扩展：Managed Deep Agents 公开测试版与 Skills 机制重构，面向企业级技能库场景
价格与方案
LangChain 框架完全开源免费。LangSmith（Agent 工程平台）提供免费层（5000 次追踪/月）。Developer $39/月。Plus $89/月。Enterprise 按需报价。
总结与建议
LangChain 是'AI 应用开发的标准框架'——如果你在构建 AI 应用（RAG、Agent、多步骤工作流），LangChain 是绕不开的选择。但如果你只是简单调用 LLM API，直接用 SDK 可能更高效。推荐有一定开发经验的工程师使用。
版本演进
- LangChain 发布 langchain-scaledown 集成，用 ScaleDown 约束解码模型管理长时智能 （2026-10-13）：LangChain 发布 langchain-scaledown 集成，并在 LangSmith LLM Gateway 中支持 ScaleDown 的约束解码模型（CDM），用于降低长时智能体上下文管理的成本和延迟。
- 重构 Deep Agents 的 Skills 支持 （2026-10-08）：LangChain 重构 Deep Agents 的技能机制，面向企业技能库增至数千个的场景推出三项更新：工具可绑定到技能并只在该技能被读取时加载，用户可通过 /meeting-prep 这类显式请求固定技能使其在首次模型调用前载入，长线程可通过把 skills_metadata 设为 None 重新加载新增或变更的技能
- Agentic retrieval with LangChain and Amazon Bedrock Knowledg （2026-10-05）：Build a Retrieval Augmented Generation (RAG) application on Amazon Bedrock Managed Knowledge Base with LangChain, and see how agentic retrieval handles the multi-part questions that single-shot retrie
- Optimizing cost and latency with Amazon Bedrock prompt cachi （2026-09-15）：Prompt caching in Amazon Bedrock can cut input token costs by up to 90% when you repeatedly send the same context to foundation models. This post walks through six practical prompt caching scenarios u
- LangChain 推出 Managed Deep Agents 公开测试版 （2026-08-07）：LangChain 的 Managed Deep Agents 进入公开测试版，可将 Deep Agents 部署到托管的 LangSmith 运行时。该服务提供持久化执行、记忆、沙箱、通道、评估（evals）及生产级基础设施。