LangChain 的能力来自各组件协同工作，从而创建复杂的 AI 应用。本页通过图表展示不同组件之间的关系。

​
核心组件生态

下图展示了 LangChain 主要组件如何连接在一起，形成完整的 AI 应用：

​
组件如何连接

每个组件层都建立在前一层之上：
  1. 输入处理：将原始数据转换为结构化文档
  2. 嵌入与存储：将文本转换为可搜索的向量表示
  3. 检索：根据用户查询查找相关信息
  4. 生成：使用 AI 模型创建响应，也可以结合工具
  5. 编排：通过代理和记忆系统协调所有内容

​
组件类别

LangChain 将组件组织为以下主要类别：
类别目的关键组件用例
模型AI 推理与生成聊天模型、LLM、嵌入模型文本生成、推理、语义理解
工具外部能力API、数据库等Web 搜索、数据访问、计算
代理编排与推理ReAct 代理、工具调用代理非确定性工作流、决策
记忆上下文保留消息历史、自定义状态对话、有状态交互
检索器信息访问向量检索器、Web 检索器RAG、知识库搜索
文档处理数据摄取加载器、分割器、转换器PDF 处理、Web 抓取
向量存储语义搜索Chroma、Pinecone、FAISS相似度搜索、嵌入存储

​
常见模式

​
RAG (Retrieval-Augmented generation)

​
带工具的代理

​
多代理系统

​
了解更多

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.