LangChain 包地图 (Package Map)
本项目使用的 LangChain 相关包一览，按功能模块分类
1. 核心包 (Core Packages)
langchain-core
| 类/函数 |
导入路径 |
用途 |
tool |
langchain_core.tools |
装饰器方式定义 Agent 工具 |
Embeddings |
langchain_core.embeddings |
Embedding 模型抽象基类 |
BaseChatModel |
langchain_core.chat_models |
聊天模型抽象基类 |
PromptTemplate |
langchain_core.prompts |
Prompt 模板构建 |
StrOutputParser |
langchain_core.output_parsers |
输出解析为字符串 |
Document |
langchain_core.documents |
文档对象 |
ToolMessage |
langchain_core.messages |
工具返回消息 |
AIMessage |
langchain_core.messages |
AI 消息对象 |
langchain
| 类/函数 |
导入路径 |
用途 |
create_agent |
langchain.agents |
创建 LangChain Agent |
AgentState |
langchain.agents |
Agent 状态定义 |
wrap_tool_call |
langchain.agents.middleware |
工具调用包装器 |
before_model |
langchain.agents.middleware |
模型调用前钩子 |
dynamic_prompt |
langchain.agents.middleware |
动态提示词装饰器 |
ModelRequest |
langchain.agents.middleware |
模型请求对象 |
| 类/函数 |
导入路径 |
用途 |
ChatTongyi |
langchain_community.chat_models.tongyi |
通义千问模型 |
BaseChatModel |
langchain_community.chat_models |
社区版聊天模型基类 |
DashScopeEmbeddings |
langchain_community.embeddings |
阿里 DashScope Embedding |
PyPDFLoader |
langchain_community.document_loaders |
PDF 文件加载 |
TextLoader |
langchain_community.document_loaders |
TXT 文件加载 |
Document |
langchain_community.docstore.document |
社区版文档对象 |
3. 特定集成包 (Integration Packages)
langchain-chroma
| 类/函数 |
导入路径 |
用途 |
Chroma |
langchain_chroma |
Chroma 向量数据库 |
langchain-text-splitters
| 类/函数 |
导入路径 |
用途 |
RecursiveCharacterTextSplitter |
langchain_text_splitters |
递归文本分片器 |
4. LangGraph 相关包
langgraph
| 类/函数 |
导入路径 |
用途 |
Command |
langgraph.types |
LangGraph 命令对象 |
Runtime |
langgraph.runtime |
LangGraph 运行时 |
ToolCallRequest |
langchain.tools.tool_node |
工具调用请求 |
5. 包依赖关系图
┌─────────────────────────────────────────────────────────────────┐
│ 用户代码 (app.py) │
└─────────────────────────────┬───────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ langchain.agents │
│ (create_agent, middleware) │
└───────────────┬─────────────────────┬───────────────────────────┘
│ │
▼ ▼
┌───────────────────────────┐ ┌───────────────────────────────────┐
│ langchain-core │ │ langchain-community │
│ - tools (tool) │ │ - chat_models.tongyi (ChatTongyi)│
│ - prompts (PromptTemplate)│ │ - embeddings (DashScope) │
│ - output_parsers │ │ - document_loaders │
│ - messages │ │ - docstore.document │
└───────────────┬───────────┘ └───────────────┬───────────────────┘
│ │
▼ ▼
┌───────────────────────────┐ ┌───────────────────────────────────┐
│ langchain-text-splitters│ │ langchain-chroma │
│ (RecursiveCharacterText │ │ (Chroma) │
│ Splitter) │ │ │
└───────────────────────────┘ └───────────────────────────────────┘
│
▼
┌─────────────┐
│ Chroma DB │
└─────────────┘
6. 项目中的实际使用示例
6.1 工具定义
from langchain_core.tools import tool
@tool(description="查询天气")
def get_weather(city: str) -> str:
return f"{city}天气晴朗"
6.2 Agent 创建
from langchain.agents import create_agent
from langchain_community.chat_models.tongyi import ChatTongyi
agent = create_agent(
model=ChatTongyi(model="qwen3-max"),
tools=[get_weather],
system_prompt="你是一个智能助手"
)
6.3 RAG Chain
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import PromptTemplate
chain = prompt_text | model | StrOutputParser()
6.4 向量存储
from langchain_chroma import Chroma
from langchain_community.embeddings import DashScopeEmbeddings
vector_store = Chroma(
collection_name="agent",
embedding_function=DashScopeEmbeddings(model="text-embedding-v4"),
persist_directory="chroma_db"
)
6.5 文档加载
from langchain_community.document_loaders import PyPDFLoader, TextLoader
pdf_docs = PyPDFLoader("file.pdf").load()
txt_docs = TextLoader("file.txt", encoding="utf-8").load()
6.6 文本分片
from langchain_text_splitters import RecursiveCharacterTextSplitter
splitter = RecursiveCharacterTextSplitter(
chunk_size=200,
chunk_overlap=20,
separators=["\n\n", "\n", ".", "!", "?"]
)
7. 包版本要求参考
langchain>=0.3.0
langchain-core>=0.3.0
langchain-community>=0.3.0
langchain-chroma>=0.1.0
langchain-text-splitters>=0.3.0
langgraph>=0.2.0
8. QA
- langchain-core: LangChain 核心抽象接口，不包含具体实现
- langchain-community: 第三方集成 (如通义千问、DashScope)
Q2: 为什么选择 langchain-chroma 而不是直接用 chromadb?
- LangChain 封装了统一的接口，便于后续更换向量数据库
- 与 LangChain Chain/Agent 更好地集成
Q3: middleware 机制的实现原理?
- 基于 LangGraph 的钩子系统
wrap_tool_call: 包装工具调用前后逻辑before_model: 模型调用前的预处理dynamic_prompt: 动态生成提示词