AI项目博客上一篇交代了 LangChain 为什么存在，这一篇回答「它是什么」：从诞生到现在经历了哪几个阶段、v0.3 和 v1.x 差在哪、包结构怎么划分，以及文档该去哪里查。
图中是官方仓库的版本徽章（截图时为 1.2.15）；本系列安装仍以第四节锁定的 1.2.12 为准，小版本差异不影响主体内容。
02.1 五个发展阶段
- 第 1 阶段：诞生（2022 年 10 月）——哈佛大学机器学习项目工程师 Harrison Chase（哈里森·蔡斯）创建了由大语言模型驱动的应用开源框架 LangChain。名字来自 Language（语言模型）和 Chain（链式连接），核心思路是把语言模型与其他计算资源、数据连接起来，构建 AI 应用。
- 第 2 阶段：探索期（2022 年 Q4—2023 年 Q1）——初版主要提供 PromptTemplate、LLMChain 等基础模块。凭借前瞻性设计，项目在开源社区快速走红，GitHub Star 很快突破一万，成为早期最受关注的大模型应用框架。
- 第 3 阶段：体系化（2023 年 Q2—2023 年 Q4）——引入 Tool、Agent、Retrieval 等概念，形成「大模型 + 工具调用 + 记忆」的核心架构，可以构建完成更复杂任务的自动化智能体。同期推出 LangChain Hub 与 LangSmith，初步形成从开发、调试到部署的生态闭环。
- 第 4 阶段：平台化（2024 年—2025 年上半年）——LangGraph 与 LangServe 是这一阶段的标志。LangGraph 提供工作流管理的有向图基础，LangServe 解决服务化部署问题，生态从开发框架升级为智能体平台。
- 第 5 阶段：深层智能体（2025 年下半年至今）——正式推出 Deep Agent，官方定位为 Agent Harness（智能体执行框架），运行在 LangGraph 和 LangChain 之上，让开发者可以构建基于多智能体的复杂系统。
02.2 v0.3 与 v1.2：一次彻底的重构
LangChain v0.3：既爱又恨。长期以来，LangChain 因为 API 变动频繁，被开发者戏称为「版本碎钞机」。2024 年是架构重大变革的一年：团队推出 LangGraph 作为底层智能体编排框架，把原有的链和智能体标记为弃用，转向基于 LangGraph 的统一智能体抽象。另一方面，GPT-4 逐渐普及，Function Calling、结构化输出、系统提示词等功能成了模型的基础能力，再在 LangChain 里封装一层就显得多此一举。这个阶段，LangChain 的开发者大规模流失。
LangChain v1.x：AI 开发新范式。经历阵痛后，LangChain 做了一次彻底的架构重构与瘦身。2025 年 10 月 20 日，团队发布第一个正式大版本 LangChain v1.0.0 与 LangGraph v1.0.0，并首次明确 API 稳定保证：在 2.0 版本之前不做破坏性变更。对企业级应用来说，这种稳定性至关重要。发布同期，LangChain 完成 1.2 亿美元融资，估值超过 12 亿美元。
两个版本的关键差异如下：
| 维度 | LangChain v0.3 | LangChain v1.2 |
|---|---|---|
| 核心架构与设计理念 | 过渡性版本，以链（Chain）为核心 | 生产级稳定版本，从「链式调用」转向「智能体框架」 |
| Agent 构建方式 | 依赖 initialize_agent 等旧版 API，基于 AgentExecutor 硬编码 | 官方推荐 create_agent 作为标准入口，底层基于 LangGraph |
| 工具定义 | 通过 @tool 装饰器和 Tool 类定义，类型安全性和参数验证能力较弱 | 支持 Pydantic Schema 定义工具，类型安全，参数定义更清晰 |
| 结构化输出 | 主要依赖 JSON Parser 和正则表达式，稳定性较差 | Structured Output 成为一等公民，直接绑定 Pydantic 类，由模型底层保证格式稳定性 |
| 输出解析 | 输出为纯文本，需要通过正则匹配解析，繁琐且易出错 | 引入标准化的 content_blocks，把推理、文本、工具调用统一为标准对象 |
| 扩展机制 | 缺乏系统性扩展方式，修改逻辑通常要改源码或提示词 | 引入 Middleware 中间件系统，可在模型调用、工具执行等生命周期拦截和扩展 |
| 多模态支持 | 支持不完善，无法无缝集成图像、音频等多模态数据 | 完善多模态适配，可轻松实现多模态对话、多模态 RAG |
| 异步执行性能 | 异步执行性能一般 | 优化后响应速度提升 30% 以上 |
| 包结构与依赖 | 包结构相对混乱，模块耦合度高，langchain 是直接依赖，内部从 Pydantic v1 升级到 v2 | 主 langchain 包保持轻量，旧功能迁至 langchain-classic，@langchain/core 作为对等依赖 |
| Python 版本要求 | 要求 Python >= 3.9 | 要求 Python >= 3.10 |
| 推荐用途 | 适用于维护依赖 v0.3 的老项目，不推荐新项目使用 | 新项目和学习 LangChain 的首选，官方承诺 1.x 系列不引入破坏性变更 |
结论很直接：新项目直接从 v1.x 起步；看到基于 v0.3 的老教程，先确认里面的 API 是否还在。
02.3 主要模块与包结构
- langchain-core：官方推荐的核心 API，例如 Runnable、BaseMessage 等；
- langchain-classic：冗余代码和不推荐使用的经典 API 移到这里，0.x 中常用、1.x 移除的 API 都在这里；
- langchain-community：第三方集成，例如合作伙伴包 langchain-openai、langchain-anthropic，按需安装、避免臃肿；
- langgraph：深度整合 LangGraph 1.0，协调多个 Chain、Agent、Tools 完成更复杂的任务，支持循环调用，是 LangChain 图形化的增强版。
这个拆分带来的直接变化是：主包变轻，模型供应商各自独立成包，旧 API 集中到 langchain-classic。官方 API 参考里也把 classic 单列出来，左侧导航同时展示 LangChain Core 的缓存、回调、文档加载、Embeddings、输出解析、Runnables、向量存储等子模块。
API 数量不适合从头背到尾。更实际的做法是掌握核心抽象，遇到问题再按包定位具体 API——把 LangChain 当工具箱，而不是教科书。
02.4 API 文档入口
- 官网：https://www.langchain.com/
- GitHub：https://github.com/langchain-ai
- 中文文档：https://docs.langchain.org.cn/oss/python/langchain/overview
- 英文文档：https://docs.langchain.com/oss/python/langchain/overview
- API 查询：https://reference.langchain.com/python/langchain/
中文文档适合快速理解概念，具体类名、参数和版本差异以英文文档和 API Reference 为准。
02.5 小结
五个阶段看清了 LangChain 从「链」到「智能体平台」的转向；v1.x 用稳定 API、create_agent、content_blocks 和中间件把旧问题收了口；包结构则按 core、classic、community、langgraph 分工。
下一篇：LangChain 1.2 入门（三）：四大支柱与生态分工；上一篇：为什么需要 LangChain。
本文根据公开课程课件整理，并结合 LangChain 官方文档核对与补充。
