Skip to main content
LangChain 的强大之处在于其组件如何协同工作，以构建复杂的 AI 应用。本页通过图表展示了不同组件之间的关系。

​
核心组件生态系统

下图展示了 LangChain 的主要组件如何连接以形成完整的 AI 应用：

​
组件如何连接

每个组件层都构建在前一层之上：
  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，可选择使用工具
  5. 编排 – 通过智能体和记忆系统协调所有组件

​
组件类别

LangChain 将组件组织为以下几个主要类别：
类别目的关键组件使用场景
模型AI 推理与生成聊天模型、LLMs、嵌入模型文本生成、推理、语义理解
工具外部能力API、数据库等网络搜索、数据访问、计算
智能体编排与推理ReAct 智能体、工具调用智能体非确定性工作流、决策制定
记忆上下文保持消息历史、自定义状态对话、有状态的交互
检索器信息访问向量检索器、网络检索器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、网络爬取
向量存储语义搜索Chroma、Pinecone、FAISS相似性搜索、嵌入存储

​
常见模式

​
RAG（检索增强生成）

​
带工具的智能体

​
多智能体系统

​
了解更多

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