谁开发了 LangChain？资金如何而来？
Harrison Chase 开发了 LangChain，如今 LangChain Inc. 已是一家累计融资超过 2.6 亿美元的风投支持公司。 Chase 毕业于哈佛大学统计学专业，此前曾在机器学习初创公司 Robust Intelligence 工作，他于 2022 年 10 月发布了 LangChain 的第一个版本，作为一个开源 Python 库——这比 ChatGPT 发布早一个月，而 ChatGPT 的爆发随后将一波新开发者带入了 LLM 应用工具领域。
LangChain Inc. 于 2023 年 1 月正式成立。Benchmark 于 2023 年 4 月领投了一轮 1000 万美元的种子轮融资。十个月后，即 2024 年 2 月，Sequoia Capital 领投了一轮 2500 万美元、估值 2 亿美元的 A 轮融资，与 LangSmith 正式发布同时宣布。到 2025 年，公司已发展到足以完成一轮由 IVP 领投的 1.25 亿美元 B 轮融资，Sequoia、Benchmark、CapitalG、Sapphire Ventures、ServiceNow Ventures、Workday Ventures、Cisco Investments、Datadog 和 Databricks 均参与其中，估值达到 12.5 亿美元。
首次发布
- 日期:
- 2022-10
- 含义:
- Harrison Chase 发布首个开源 LangChain Python 库
公司成立
- 日期:
- 2023-01
- 含义:
- 在 ChatGPT 带动的采用热潮中，LangChain Inc. 正式成立
种子轮
- 日期:
- 2023-04
- 含义:
- Benchmark 领投 1000 万美元种子轮
A 轮
- 日期:
- 2024-02
- 含义:
- Sequoia 领投 2500 万美元 A 轮，估值 2 亿美元，与 LangSmith 正式发布同期
core/community 拆分
- 日期:
- 2023-12
- 含义:
- langchain-core 与 langchain-community 被拆分为独立的软件包
LangChain 0.1.0
- 日期:
- 2024-01
- 含义:
- 首个带版本号的稳定版发布；LCEL 成为推荐的编写模式
B 轮融资
- 日期:
- 2025
- 含义:
- IVP 领投 1.25 亿美元，估值 12.5 亿美元
LangChain 与 LangGraph 1.0
- 日期:
- 2025-10
- 含义:
- 两者均达到正式发布（GA）；承诺 2.0 之前不引入破坏性变更
📌注: 无论 LangChain Inc. 融资多少，开源框架的 MIT 许可证都不会改变——风险投资资金用于 LangSmith 和 LangGraph Platform 的开发，而不是给核心库设置付费门槛。
LangChain 是什么？
LangChain 是一个开源框架（MIT 许可证，github.com/langchain-ai/langchain），用于构建基于大语言模型的应用程序，支持 Python 和 JavaScript/TypeScript。它为模型、提示词、记忆和工具提供标准接口，因此围绕某个 LLM 提供商构建的链通常只需修改一行代码即可切换到另一个提供商。
- LCEL（LangChain 表达式语言）：一种用于组合链的声明式语法（prompt | model | parser），自 2023 年 12 月 langchain-core 0.1 版本发布以来成为标准写法
- 链（Chains）：将提示词格式化、模型调用、输出解析等一系列调用连接成单一可运行流水线
- 检索器与 RAG：为向量存储和文档加载器提供标准接口，使检索增强生成（RAG）流水线无需重写应用代码即可更换嵌入模型或向量数据库
- 智能体（Agents）：LangChain 1.0 引入的 create_agent 抽象，通过一个模型和一组工具即可构建工具调用型智能体，底层运行在 LangGraph 运行时之上
- LangGraph：面向需要显式状态、循环或人工介入检查点的智能体的更底层、基于图的框架——并非所有智能体都需要它，但需要重试或审批步骤的生产级智能体通常都需要
- 通过 langchain-community 及专用合作伙伴软件包（如 langchain-openai、langchain-anthropic 等）提供的 700 多个第三方集成，涵盖模型、向量存储和工具
使用 create_agent 构建最小化智能体
LangChain 1.0 引入了 create_agent，作为构建可用工具调用型智能体的最短路径，底层依赖 LangGraph 运行时来保证状态管理与可靠性：先 from langchain.agents import create_agent，再 `agent = create_agent(model=ChatOpenAI(model="gpt-4o-mini"), tools=[search_tool])，最后调用 agent.invoke({"messages": [{"role": "user", "content": "..."}]})`。
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
model = ChatOpenAI(model="gpt-4o-mini")
prompt = ChatPromptTemplate.from_template("用一句话总结：{text}")
chain = prompt | model | StrOutputParser()
print(chain.invoke({"text": "LangChain 将 LLM 调用组合成流水线。"}))LangChain 需要多少费用？
LangChain 框架本身完全免费——LangSmith 和 LangGraph Platform 才是付费的附加产品。 LangChain Inc. 不对开源库收费，其收入来自围绕框架构建的可选托管工具。
- LangChain（框架）：在 MIT 许可证下永久免费，无论是自行部署、商用还是修改代码
- LangSmith Developer 档：0 美元/席位/月，1 个席位，每月最多 5000 条基础追踪记录，超出后按量计费
- LangSmith Plus 档：39 美元/席位/月，席位数量不限，每月包含最多 10000 条基础追踪记录
- LangSmith Enterprise：定制定价，另外提供自托管与混合部署选项
- Developer/Plus 档超量费用：超出包含的追踪额度后，每 LCU（计算）1.50 美元，每 LSU（存储）1.00 美元
- LangGraph Platform（生产级智能体托管）：截至本文撰写时尚未公布自助式定价——如需报价请联系 LangChain 销售团队
- 面向获得风险投资的公司，官方提供最高 10000 美元的 LangSmith 使用额度
档位 | 价格 | 最适合 |
|---|---|---|
| LangChain 框架 | 免费（MIT 许可证） | 所有人——永远免费 |
| LangSmith Developer | $0/席位/月，5K 条追踪 | 个人开发者、原型开发 |
| LangSmith Plus | $39/席位/月，10K 条追踪 | 小团队，用量更高 |
| LangSmith Enterprise | 定制定价 | 自托管/混合部署，合规需求 |
| LangGraph Platform | 定制（联系销售） | 生产级智能体托管 |
价格已根据 LangChain 官方定价页面 于 2026 年 9 月核实，全球统一以美元结算——由于 SaaS 定价档位可能在没有太多预告的情况下变化，制定预算前请查看最新页面。
如何安装并开始使用 LangChain？
安装 LangChain 只需一条 pip 或 npm 命令——开源框架无需账号、许可证密钥或服务器。 LangSmith 的追踪功能是可选启用的，只有在设置其 API 密钥后才会生效。
- 1安装核心包和某个模型提供商的集成包：
pip install langchain langchain-openai（Python）或npm install langchain @langchain/openai（JavaScript/TypeScript）。 - 2将所选模型提供商的 API 密钥设置为环境变量（例如
OPENAI_API_KEY）——LangChain 本身不提供也不代理模型访问。 - 3使用 LCEL 构建链：用管道运算符（
prompt | model | parser）将提示词模板、聊天模型和输出解析器组合起来，然后对结果调用.invoke()。 - 4如果需要智能体而非固定链，使用
langchain包中的create_agent，传入一个模型和一组工具——它会在 LangGraph 运行时上运行以处理状态。 - 5可选地注册 LangSmith，并设置
LANGCHAIN_TRACING_V2=true及LANGCHAIN_API_KEY，即可在不修改应用代码的情况下查看每次链或智能体运行的追踪记录。 - 6阅读官方 LangChain 文档，并浏览 GitHub 仓库以获取最新 API 参考——该框架在主要版本之间变化较大，旧教程可能已经过时。
使用 LangChain 需要 OpenAI 或 Anthropic 账号吗？
你需要在所选调用的模型提供商处拥有账号和 API 密钥——LangChain 本身不托管也不转售模型访问权限。它支持 OpenAI、Anthropic、Google 及数十家其他提供商，也可通过 Ollama 等集成使用完全本地化的模型。
安装 LangChain 是否需要 LangSmith？
不需要。LangSmith 追踪功能完全可选，只有在设置了 LANGCHAIN_TRACING_V2 环境变量和 API 密钥后才会启用。你可以无限期构建和运行 LangChain 应用，而无需创建 LangSmith 账号。
谁适合使用 LangChain？
LangChain 适合那些需要的不只是单次提示词调用的团队——比如 RAG 流水线、多步骤链，或使用工具的智能体。 对于只调用一次模型的一次性脚本来说，它不是最佳选择。
适合使用 LangChain 的情况
- 你正在构建 RAG 流水线，希望有标准接口可以在不重写应用代码的情况下更换向量存储、嵌入模型或 LLM 提供商
- 你需要生产级智能体基础设施——LangGraph 提供持久化状态、人工介入审批步骤，以及服务器重启后的自动恢复
- 你希望观察并调试多步骤链或智能体在生产环境中实际做了什么，并愿意为此支付 LangSmith 的费用
- 你已经投入 Python 或 JavaScript 生态系统，希望获得面向模型、向量存储和工具规模最大（700 多个）的预制集成库
应避免使用 LangChain 的情况
- 你的应用只是一次提示词到响应的调用，没有链式调用、检索或智能体逻辑——直接调用模型提供商的 SDK 开销更小
- 你希望依赖项越少越好；LangChain 的抽象层会引入原始 API 客户端所没有的额外软件包和间接层
- 你的团队曾因 LangChain 1.0 之前频繁的破坏性 API 变更而受挫，更希望等待 1.0 之后的稳定性承诺经过更多版本的验证
- 你需要的是以 RAG 为核心、专注检索/索引的框架，而非通用框架——LlamaIndex 正是为这一用例专门构建的
什么情况下不应该使用 LangChain？
如果只是对单个模型的一次 API 调用，没有检索、记忆或多步骤逻辑，就不要使用 LangChain——抽象带来的开销会超过其带来的好处。 以下是几种适合使用其他工具的具体情况。
- 一个只发送单条提示词并返回原始响应的聊天机器人——直接调用提供商的 SDK，而不是额外增加一层框架
- 一个认为最小化依赖比便利性更重要的团队——LangChain 引入的软件包比原始 HTTP 客户端更多
- 一个主要任务是文档索引和检索质量调优、而非通用应用逻辑的项目——LlamaIndex 或 Haystack 更专注于这一领域
- 一个仍在运行 0.1 之前（2023 年 12 月之前）LangChain 版本代码、并担心历史上破坏性变更模式的团队——应预留迁移时间，或直接基于 1.0 之后的 API 重新开始，而不是修补旧代码
- 当应用确实需要串联多个步骤、检索外部上下文，或需要一个能调用工具并跨轮次记住状态的智能体时，才应该选择 LangChain
LangChain 与替代方案对比
LangChain 与其他用于构建 LLM 应用和智能体的框架相互竞争，每个框架都针对从检索为主到多智能体为主这一光谱上的不同定位进行了优化。
工具 | 接口形式 | 许可证 | 支持方 | 最适合 |
|---|---|---|---|---|
| LangChain | Python / JS 代码 | MIT | LangChain Inc.（风投支持） | 通用型 LLM 应用与智能体 |
| LlamaIndex | Python / TS 代码 | MIT | LlamaIndex Inc.（风投支持） | RAG 优先的索引与检索 |
| Haystack | Python 代码 | Apache 2.0 | deepset（德国） | 生产级 RAG 流水线 |
| Semantic Kernel | C# / Python / Java | MIT | Microsoft | 以 .NET 为主的企业应用 |
| CrewAI | Python 代码 | MIT | CrewAI Inc.（风投支持） | 基于角色的多智能体协作 |
| AutoGen | Python 代码 | MIT / CC-BY | Microsoft Research | 多智能体对话模式研究 |
评估 LangChain 时的常见误区
这些误区来自将 LangChain 与 LangSmith 混为一谈，或根据过时的印象来评判当前的框架。
误区一：以为 LangChain 和 LangSmith 是同一个产品
LangChain 是免费的开源框架；LangSmith 是同一家公司 LangChain Inc. 打造的独立、可选的付费可观测性产品。你完全可以在不接触 LangSmith、不产生任何费用的情况下构建并发布 LangChain 应用。
误区二：用 1.0 之前的破坏性变更印象来评判当前的 LangChain
在 2023 年至 2024 年间，由 langchain-core/langchain-community 重构引发的小版本间频繁破坏性变更，确实是一个被广泛报道的真实痛点。2025 年 10 月发布的 LangChain 1.0，附带了在 2.0 之前保持 API 稳定的公开承诺——这与框架早期的情况已有实质性不同。
误区三：以为每个智能体都需要 LangGraph 完整的基于图的状态机
create_agent 抽象通过简单的"模型+工具"配置，已经覆盖了大多数使用工具的智能体场景。只有当你需要对状态、循环或人工介入检查点进行 create_agent 未暴露的显式控制时，才需要直接使用 LangGraph 更底层的图 API。
常见问题
LangChain 是免费的吗？
是的。LangChain 框架在 MIT 许可证下开源，可免费用于任何用途（包括商业产品），没有使用限制。可观测性附加产品 LangSmith 有独立的付费定价体系，其有限的免费档位起价为 0 美元。
LangChain 是谁创立的？
Harrison Chase 创立了 LangChain，他于 2022 年 10 月发布了第一个开源版本，随后于 2023 年 1 月正式成立了 LangChain Inc.。
LangChain 融资了多少钱？
LangChain Inc. 累计融资超过 2.6 亿美元，包括 2023 年 4 月的 1000 万美元种子轮、2024 年 2 月由 Sequoia Capital 领投的 2500 万美元 A 轮（估值 2 亿美元），以及 2025 年估值 12.5 亿美元的 1.25 亿美元 B 轮融资。
LangChain 和 LangGraph 有什么区别？
LangChain 提供构建 LLM 应用所需的通用框架，包括链、提示词以及 create_agent 抽象。LangGraph 是面向需要显式状态管理、循环或人工介入步骤的智能体的更底层、基于图的运行时——create_agent 本身就运行在 LangGraph 之上。
LangSmith 是什么？使用 LangChain 是否必须使用它？
LangSmith 是 LangChain Inc. 推出的付费可观测性与追踪平台，用于在生产环境中调试链和智能体。它完全是可选的——LangChain 应用无需任何 LangSmith 账号或依赖即可运行和部署。
LangSmith 收费多少？
Developer 档为 1 个席位免费，每月最多包含 5000 条基础追踪记录。Plus 档每个席位每月 39 美元，包含最多 10000 条基础追踪记录。Enterprise 定价为定制方案，另外提供自托管/混合部署。
LangChain 是否已经停止引入破坏性变更？
在 2025 年 10 月 LangChain 1.0 与 LangGraph 1.0 正式发布后，LangChain Inc. 承诺 1.x 系列 API 不会再引入破坏性变更。此前的版本，尤其是 2023 年 12 月 langchain-core/langchain-community 拆分之前的版本，确实有版本间破坏性变更的记录历史。
LangChain 的 GitHub star 数是多少？
核心仓库 langchain-ai/langchain 的 star 数已突破 14 万，是 GitHub 上 star 数最高的 AI 应用框架之一。
我可以用本地自托管模型而不是云端 API 来运行 LangChain 吗？
可以。LangChain 通过专用的合作伙伴软件包与 Ollama、llama.cpp 等本地模型运行器集成，因此链和智能体可以调用本地托管的模型，替代或搭配云端提供商使用。
LangChain 比 LlamaIndex 更好吗？
两者并非绝对的孰优孰劣——它们服务于有所重叠但不同的目的。LangChain 是面向众多用例的通用链与智能体框架；LlamaIndex 则更专注于面向 RAG 的检索和数据索引。许多生产系统会同时使用两者。