这次不聊概念堆砌直接从代码走一遍 LangChain。我们从 2026 年的视角重新梳理先完成 Model 模型基础调用再构建 Prompt 模板、LCEL 管道然后完整实现一个 Agent 智能体项目最后用 LangGraph 做状态编排、LangServe 发布 HTTP 接口并给出批量任务方案和常见报错排查。目标是让你照着本文就能把代码跑通而不是只记住一堆名词。先说结论LangChain 是当前大模型应用层绕不开的框架核心价值是把模型接入、提示词、工具调用、记忆、流程编排标准化。它不负责训练模型也不负责推理性能更像一个“中间层框架”。如果你关注 LangChain 入门、Agent 开发、LangChain 面试题这篇文章会覆盖这些主题。硬件方面框架本身对机器要求很低纯 CPU 也能运行真正的显存需求取决于底层模型用云端 API 时本地基本不吃 GPU这一点在选型时可以放宽心。1. LangChain 核心能力速览与适用场景1.1 核心能力速览先把 LangChain 的核心能力用一张表讲清楚后面所有实操都围绕这些能力展开能力项说明项目类型大模型应用开发框架LLM Application Framework开源情况开源项目官方仓库为 langchain-ai/langchain生态持续迭代主要功能模型统一接入、Prompt 模板、LCEL 管道、Chain、Agent、记忆、RAG、LangGraph 编排支持模型OpenAI、Anthropic、Gemini、DeepSeek、Ollama、vLLM 等通过统一接口调用运行平台Python 3.8支持 macOS / Linux / WindowsNode.js