LangChain 1.x 现代版学习笔记：

前言：

一、 核心基础：新版包结构“大拆分”

旧版 LangChain 是一个臃肿的“全家桶”，一更新容易导致全局报错。新版将其拆分成了“乐高模块”，按需安装，代码更稳定：

• langchain-core（核心主板）： 定义所有最基础的协议（如 Runnable、Message、PromptTemplate）。非常稳定，极少发生破坏性更新。
• langchain-{provider}（官方独立包）： 各大厂商独立维护的模型包。例如要调用 OpenAI，需单独安装 langchain-openai。
• langchain-community（社区集市）： 包含开源社区贡献的第三方工具和冷门数据库集成。
• langchain（高级组装包）： 包含特定的高级逻辑和 Agent 组装接口。

避坑指南： 以后导包时，先想想这个功能属于底层核心、第三方厂商，还是社区工具！

二、 现代 LangChain 学习七步法大纲

1. 环境与基础架构搭建
   • 理解新版包分离逻辑。
   • 配置 .env 环境变量，安全管理 API 密钥。
2. LCEL 表达式语言（绝对核心）
   • 彻底放弃传统的 Chain 类，拥抱 Runnable 协议。
   • 熟练使用管道符 | 进行声明式编程编排组件。
3. 提示词与输出解析 (Prompts & Parsers)
   • 掌握 ChatPromptTemplate 进行多角色（System/Human/AI）消息编排。
   • 使用 PydanticOutputParser 强制模型输出结构化 JSON 数据。
4. 新版 RAG（检索增强生成）
   • 学习文档加载与切分（Splitters）。
   • 向量化（Embeddings）与轻量级向量数据库（如 Chroma/FAISS）。
   • 使用新版 create_retrieval_chain 替代被废弃的检索链。
5. 记忆机制 (Memory)
   • 淘汰 ConversationBufferMemory。
   • 使用 RunnableWithMessageHistory 动态拦截 LCEL 链并注入历史聊天记录。
6. Agent 智能体与 LangGraph
   • 使用 @tool 装饰器定义 Python 工具函数。
   • 构建 OpenAI Tools Agent。
   • 进阶：使用状态图思想构建 LangGraph 复杂智能体。
7. 生产级部署与监控
   • 使用 LangServe 一键将 LCEL 链转化为 FastAPI 接口。
   • 集成 LangSmith 监控 Token 消耗与调试代码。