面经策

LangChain 是什么？它主要用来解决什么问题？ ​

  • 标签：LangChain、LangChain 基础

🏛 业务架构师 ​

LangChain 是什么、解决什么问题（与 028 题同源，这里从"要不要用"的决策角度补充）：

是什么：最流行的 LLM 应用开发框架——把模型调用、提示模板、检索（RAG）、记忆、工具调用、Agent 编排抽象成可组合的标准组件，用统一的 Runnable 协议串接，配套 LangSmith 可观测与评测。

解决什么问题：LLM 应用开发中 80% 的工作量不在调模型 API，而在周边工程——对接数据源、管理提示词、维护会话、编排多步流程、换模型适配、监控调试。LangChain 把这些"每个项目都要重写一遍"的部分标准化——5 人团队两周出 MVP 而不是两个月，这就是它的核心价值：降低试错成本，加速价值验证。

企业要不要用，我的决策框架：

  • 用它的理由：生态最全（组件/文档/案例）、人才好招（社区大）、快速验证期效率无敌；
  • 防它的理由：抽象层多导致排错困难、版本迭代有 Breaking Change、深度绑定后迁移成本高。

我的实践姿势（可直接背）：POC 期全量用 LangChain 换速度；生产期收窄依赖面——核心链路只用最底层抽象（模型接口+LCEL），复杂业务逻辑自己写；架构上永远保留"离开 LangChain"的能力——提示词、评测集、数据管道这些真正值钱的资产框架无关。"框架是租的，资产是自己的"——这句话就是我的选型立场。

🏗 系统架构师 ​

LangChain = LLM 应用开发的编排框架：统一抽象（模型/Prompt/检索/记忆/工具）+ 组合管道（LCEL）+ Agent 编排（LangGraph），解决 LLM 生态的碎片化问题：

解决的问题（架构视角三个）：

  • 集成碎片化：模型厂商、向量库、工具 API 各自为政——LangChain 的统一抽象（BaseChatModel/VectorStore/Tool）实现依赖倒置，换供应商只改配置；集成生态（上百个包）让 PoC 速度从周级到天级；
  • 缺乏编程范式：LLM 应用早期各家手写胶水代码——LangChain 定义了标准结构（链式管道、消息模型、输出解析、流式/异步原语），社区形成共同语言；
  • 复杂编排缺工具：Agent 循环、状态管理、多步工作流——LangGraph 提供图状态机 + checkpoint 持久化 + human-in-the-loop，把"手写 while 循环 + 全局变量"的粗糙实现工程化。

清醒的边界（生产权衡）：

  • 抽象税：层数多 → 调试栈深、性能开销、版本迭代快接口不稳——生产核心链路薄封装是正当策略（PoC 用框架抢速度，稳定后热点路径绕过直连 SDK）；
  • 不替你解决的：评估体系（LangSmith 是配套不是内置能力）、数据质量、Prompt 资产管理——这些是应用团队的功课。

选型结论：2026 年 LangChain+LangGraph 仍是 LLM 应用默认起点（生态最大、文档最全），但把 Prompt/评估集/工具实现沉淀在框架外——框架可换，资产永存。

💻 全栈开发专家 ​

LangChain 是 LLM 应用开发框架，解决的是「从模型 API 到可维护的应用」之间的所有胶水问题：

它解决的问题清单（按痛点）：

  1. 集成碎片化：各家模型、几十种向量库、各种数据源的 SDK 各不相同——LangChain 统一抽象（ChatModel/VectorStore/Retriever），换实现不动业务代码；
  2. 编排复杂度：prompt→检索→生成→解析的流程、流式/重试/降级这些横切需求——LCEL 管道一行组合，工程能力内置；
  3. RAG 全链路：加载→切分→嵌入→检索→重排→生成的每个环节都有现成组件；
  4. Agent 开发：工具定义、Agent 循环、记忆管理、（配合 LangGraph）状态机编排；
  5. 可观测与评估：LangSmith 集成 trace/评测，LLM 应用的「单元测试」基础设施。

一个最小感受（10 行 RAG）：

python
chunks = RecursiveCharacterTextSplitter().split_documents(docs)
vs = Chroma.from_documents(chunks, OpenAIEmbeddings())
chain = ({"context": vs.as_retriever() | fmt, "question": RunnablePassthrough()}
         | prompt | llm | StrOutputParser())
chain.invoke("退货政策")

我的使用哲学（十年工程视角）：

  • 原型期：LangChain 极快，生态省几周胶水代码；
  • 生产期：只依赖 langchain-core + partner 包，核心链路薄抽象自研——框架升级、抽象泄漏的长期成本要提前防；
  • 它最大的价值是把「LLM 应用的通用模式」沉淀成了标准件，哪怕最后自研，你也应该先用它学一遍「该有哪些件」。