组件架构

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

• 创建智能体
• 使用工具
• 浏览集成

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.