文章目录【55.PythonAI】LangChain核心概念一张图讲透Chain、Agent、Tool、Memory的关系导入语1 ~ 四大核心抽象关系图2 ~ 逐层拆解ChainLangChain的骨架Agent当Chain不够用了ToolAgent的手和脚Memory跨越时间的记忆3 ~ 什么时候该用LangChain什么时候自己写思考 总结结尾【55.PythonAI】LangChain核心概念一张图讲透Chain、Agent、Tool、Memory的关系文章简介本文用一张Mermaid架构图串讲LangChain的核心抽象——Chain工作流编排、Agent自主决策、Tool外部能力、Memory上下文持久化以及它们之间的协作关系。内容深挖Runnable接口与LCEL表达式语言的底层设计对比用LangChain和自己写的边界选择帮你在框架依赖和灵活性之间找到平衡。适合已经用LangChain搭过简单应用、想系统性理解框架设计的开发者。 个人主页源码骑士❄专栏传送门《Android开发基础》《python基础课程》⭐️热衷从源码视角拆解技术底层原理将复杂架构讲得通俗易懂 源码骑士的简介5年Android Framework系统开发经验曾主导多项系统级性能优化专项技术栈覆盖Android系统全链路Binder/Handler/AMS/WMS/启动流程及Java后端全家桶Spring MyBatis Redis Oracle累计产出原创技术文章100篇文章以流程图为特色被读者评价为看一篇胜过啃一周源码导入语你用LangChain搭了RAG、做了Agent、接了Memory。但脑子里可能还是乱的——Chain和Agent到底什么关系Tool是Agent专用的吗Memory存在哪LCEL这个奇怪的|管道符又是什么这篇文章的目标就是一张图逐层拆解让你对LangChain的四个核心抽象建立清晰的心智模型。理解了它们之间的关系你就不再是抄代码而是自己设计工作流。1 ~ 四大核心抽象关系图是否Chain 可组合的步骤序列Step1: 检索Step2: 拼PromptStep3: 调LLMStep4: 解析输出用户输入Chain 工作流编排需要自主决策?Agent 自主决策引擎LLM直接生成Tool 外部能力(搜索/数据库/API)Memory 记忆系统2 ~ 逐层拆解ChainLangChain的骨架# 最简单的Chain用LCEL管道符组合fromlangchain_openaiimportChatOpenAIfromlangchain_core.promptsimportChatPromptTemplate llmChatOpenAI()promptChatPromptTemplate.from_template(翻译成英文{text})# LCEL语法用 | 串联每一步chainprompt|llm resultchain.invoke({text:你好世界})# 数据流{text:你好世界} → Prompt填充 → LLM生成 → 返回结果Chain的本质把多个Runnable对象用|串联起来形成一个数据处理流水线。每个Runnable都实现.invoke()方法所以Chain本身也是一个Runnable——Chain可以嵌套Chain。Agent当Chain不够用了Chain vs Agent的区别 ├─ Chain事先知道要做什么、怎么做固定流程 │ └─ 适用场景检索→拼Prompt→回答流程固定 └─ Agent不知道怎么做让LLM自己决定 └─ 适用场景帮我查天气发邮件订会议室步骤不确定Agent本质上就是在Chain外面加了一个决策循环——它调用LLM决定下一步做什么执行对应的Tool把结果反馈给LLMLLM再决定下一步……直到任务完成。ToolAgent的手和脚Tool就是被Agent调用的外部函数。一个搜索Tool、一个数据库查询Tool、一个代码执行Tool——每个Tool都是一个被Agent使唤的能力模块。Memory跨越时间的记忆Memory的三种形态 ├─ BufferMemory完整保存所有对话Token消耗大 ├─ SummaryMemory用LLM压缩历史对话为摘要省Token └─ WindowMemory只保留最近K轮折中方案3 ~ 什么时候该用LangChain什么时候自己写场景建议原因简单Prompt→LLM→返回自己写直接用OpenAI SDKLangChain反而增加复杂度文档加载→分块→向量化→检索→生成LangChain四大步每步都有封装好的组件多步骤Agent循环LangChain LangGraph状态管理、循环控制自己写容易出bug带复杂条件分支的工作流LangGraph状态图建模比手写if-else可靠思考 总结Chain是骨架Agent是大脑Tool是手脚Memory是记忆四个抽象覆盖了AI应用从简单到复杂的全部需求。LCEL让Chain的定义像Unix管道一样自然step1 | step2 | step3的写法比面向对象的链式调用更直观。Agent LLM驱动的决策循环它不是更高级的Chain而是一个完全不同的范式——LLM决定做什么、什么时候停。不要为了用而用LangChain一个简单API调用不需要LangChain。框架的价值在复杂工作流和组件生态。理解这些抽象的关系你就从LangChain使用者变成了AI工作流设计者。结尾各位小伙伴本文完源码骑士 — Android Framework 全栈开发关注| ❤️点赞| ⭐收藏| 评论| 一键四连️寄语框架是手段不是目的——理解框架的设计哲学比会调API更重要。往期回顾【PythonAI】企业知识库实战 / 【PythonAI】RAG评估体系 / 【PythonAI】多模态RAG / 【PythonAI】Self-Querying / 【PythonAI】检索策略进阶
55-LangChain核心概念-Chain-Agent-Tool-Memory关系
文章目录【55.PythonAI】LangChain核心概念一张图讲透Chain、Agent、Tool、Memory的关系导入语1 ~ 四大核心抽象关系图2 ~ 逐层拆解ChainLangChain的骨架Agent当Chain不够用了ToolAgent的手和脚Memory跨越时间的记忆3 ~ 什么时候该用LangChain什么时候自己写思考 总结结尾【55.PythonAI】LangChain核心概念一张图讲透Chain、Agent、Tool、Memory的关系文章简介本文用一张Mermaid架构图串讲LangChain的核心抽象——Chain工作流编排、Agent自主决策、Tool外部能力、Memory上下文持久化以及它们之间的协作关系。内容深挖Runnable接口与LCEL表达式语言的底层设计对比用LangChain和自己写的边界选择帮你在框架依赖和灵活性之间找到平衡。适合已经用LangChain搭过简单应用、想系统性理解框架设计的开发者。 个人主页源码骑士❄专栏传送门《Android开发基础》《python基础课程》⭐️热衷从源码视角拆解技术底层原理将复杂架构讲得通俗易懂 源码骑士的简介5年Android Framework系统开发经验曾主导多项系统级性能优化专项技术栈覆盖Android系统全链路Binder/Handler/AMS/WMS/启动流程及Java后端全家桶Spring MyBatis Redis Oracle累计产出原创技术文章100篇文章以流程图为特色被读者评价为看一篇胜过啃一周源码导入语你用LangChain搭了RAG、做了Agent、接了Memory。但脑子里可能还是乱的——Chain和Agent到底什么关系Tool是Agent专用的吗Memory存在哪LCEL这个奇怪的|管道符又是什么这篇文章的目标就是一张图逐层拆解让你对LangChain的四个核心抽象建立清晰的心智模型。理解了它们之间的关系你就不再是抄代码而是自己设计工作流。1 ~ 四大核心抽象关系图是否Chain 可组合的步骤序列Step1: 检索Step2: 拼PromptStep3: 调LLMStep4: 解析输出用户输入Chain 工作流编排需要自主决策?Agent 自主决策引擎LLM直接生成Tool 外部能力(搜索/数据库/API)Memory 记忆系统2 ~ 逐层拆解ChainLangChain的骨架# 最简单的Chain用LCEL管道符组合fromlangchain_openaiimportChatOpenAIfromlangchain_core.promptsimportChatPromptTemplate llmChatOpenAI()promptChatPromptTemplate.from_template(翻译成英文{text})# LCEL语法用 | 串联每一步chainprompt|llm resultchain.invoke({text:你好世界})# 数据流{text:你好世界} → Prompt填充 → LLM生成 → 返回结果Chain的本质把多个Runnable对象用|串联起来形成一个数据处理流水线。每个Runnable都实现.invoke()方法所以Chain本身也是一个Runnable——Chain可以嵌套Chain。Agent当Chain不够用了Chain vs Agent的区别 ├─ Chain事先知道要做什么、怎么做固定流程 │ └─ 适用场景检索→拼Prompt→回答流程固定 └─ Agent不知道怎么做让LLM自己决定 └─ 适用场景帮我查天气发邮件订会议室步骤不确定Agent本质上就是在Chain外面加了一个决策循环——它调用LLM决定下一步做什么执行对应的Tool把结果反馈给LLMLLM再决定下一步……直到任务完成。ToolAgent的手和脚Tool就是被Agent调用的外部函数。一个搜索Tool、一个数据库查询Tool、一个代码执行Tool——每个Tool都是一个被Agent使唤的能力模块。Memory跨越时间的记忆Memory的三种形态 ├─ BufferMemory完整保存所有对话Token消耗大 ├─ SummaryMemory用LLM压缩历史对话为摘要省Token └─ WindowMemory只保留最近K轮折中方案3 ~ 什么时候该用LangChain什么时候自己写场景建议原因简单Prompt→LLM→返回自己写直接用OpenAI SDKLangChain反而增加复杂度文档加载→分块→向量化→检索→生成LangChain四大步每步都有封装好的组件多步骤Agent循环LangChain LangGraph状态管理、循环控制自己写容易出bug带复杂条件分支的工作流LangGraph状态图建模比手写if-else可靠思考 总结Chain是骨架Agent是大脑Tool是手脚Memory是记忆四个抽象覆盖了AI应用从简单到复杂的全部需求。LCEL让Chain的定义像Unix管道一样自然step1 | step2 | step3的写法比面向对象的链式调用更直观。Agent LLM驱动的决策循环它不是更高级的Chain而是一个完全不同的范式——LLM决定做什么、什么时候停。不要为了用而用LangChain一个简单API调用不需要LangChain。框架的价值在复杂工作流和组件生态。理解这些抽象的关系你就从LangChain使用者变成了AI工作流设计者。结尾各位小伙伴本文完源码骑士 — Android Framework 全栈开发关注| ❤️点赞| ⭐收藏| 评论| 一键四连️寄语框架是手段不是目的——理解框架的设计哲学比会调API更重要。往期回顾【PythonAI】企业知识库实战 / 【PythonAI】RAG评估体系 / 【PythonAI】多模态RAG / 【PythonAI】Self-Querying / 【PythonAI】检索策略进阶
