LangChain 研究筆記¶

資料來源¶

項目	連結
GitHub	https://github.com/langchain-ai/langchain
官方文件	https://docs.langchain.com
API 參考	https://reference.langchain.com/python
論壇	https://forum.langchain.com
學習資源	https://academy.langchain.com

專案概述¶

LangChain 是一個用於建構 AI Agent 和 LLM 驅動應用程式的框架。它幫助開發者串連可互通的元件和第三方整合，簡化 AI 應用程式開發，同時確保技術演進時決策的彈性。

解決的問題¶

即時資料增強：輕鬆連接 LLM 到各種資料來源和內外部系統
模型互通性：快速切換不同模型，適應產業前沿演進
快速原型開發：模組化、元件式架構，加速開發週期
生產就緒功能：內建監控、評估和除錯支援

技術架構¶

┌─────────────────────────────────────────────────────────────────┐
│                     LangChain 生態系統                           │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌───────────────┐  ┌───────────────┐  ┌───────────────┐       │
│  │   LangChain   │  │   LangGraph   │  │   LangSmith   │       │
│  │   (核心框架)   │  │ (Agent 編排)  │  │  (可觀測性)   │       │
│  └───────┬───────┘  └───────┬───────┘  └───────┬───────┘       │
│          │                  │                  │                │
│          └──────────────────┼──────────────────┘                │
│                             │                                   │
│  ┌──────────────────────────┴──────────────────────────┐       │
│  │                    整合層 (Integrations)              │       │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐    │       │
│  │  │  模型   │ │ 向量庫  │ │  工具   │ │ 檢索器  │    │       │
│  │  │ Models  │ │ Vector  │ │ Tools   │ │Retrievers│   │       │
│  │  └─────────┘ └─────────┘ └─────────┘ └─────────┘    │       │
│  └─────────────────────────────────────────────────────┘       │
│                                                                 │
│  ┌─────────────────────────────────────────────────────┐       │
│  │                    應用層                            │       │
│  │  • Chains (鏈式調用)                                 │       │
│  │  • Agents (自主代理)                                 │       │
│  │  • RAG (檢索增強生成)                                │       │
│  └─────────────────────────────────────────────────────┘       │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

核心元件¶

LangChain - 核心框架，提供標準介面
LangGraph - 低階 Agent 編排框架，支援複雜工作流程
LangSmith - 評估和可觀測性工具
Deep Agents - 可規劃、使用子 Agent 的進階 Agent

安裝與使用¶

安裝¶

pip install langchain

基本使用範例¶

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

# 建立模型
llm = ChatOpenAI(model="gpt-4")

# 建立提示模板
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一個有幫助的助手。"),
    ("user", "{input}")
])

# 建立鏈
chain = prompt | llm

# 執行
response = chain.invoke({"input": "什麼是 AI Agent？"})
print(response.content)

Agent 範例¶

from langchain_openai import ChatOpenAI
from langchain.agents import create_react_agent, AgentExecutor
from langchain.tools import Tool

# 定義工具
tools = [
    Tool(
        name="Search",
        func=lambda x: "搜尋結果...",
        description="用於搜尋資訊"
    )
]

# 建立 Agent
llm = ChatOpenAI(model="gpt-4")
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 執行
result = agent_executor.invoke({"input": "搜尋最新的 AI 新聞"})

研究重點¶

Agent 架構¶

使用 ReAct 模式（Reasoning + Acting）
支援多種 Agent 類型：OpenAI Functions、ReAct、Plan-and-Execute
LangGraph 提供更細緻的控制和狀態管理

Tool 定義方式¶

from langchain.tools import tool

@tool
def multiply(a: int, b: int) -> int:
    """將兩個數字相乘"""
    return a * b

與其他工具整合¶

支援 100+ 種整合（模型、向量庫、工具）
可與 LangSmith 整合進行監控
支援 LangGraph 進行複雜工作流程

研究日期¶

2026-02-03