Langchain All

LangChain 生态重点系统全览

系统名	核心功能	适用场景	是否开源
LangChain	LLM 链式调用/工具集成基座	AI 应用基础开发	✅
LangGraph	带分支循环的工作流引擎	复杂决策系统	✅
LangSmith	全链路测试/监控/调试平台	生产环境部署	免费+付费
LangFlow	可视化拖拽开发工具	快速原型设计	✅
LangServe	将 Chain/Graph 部署为 API 服务	模型上线部署	✅
LCEL	链式表达式语言（底层DSL）	高性能链构建	✅

---

LangFlow：可视化拖拽构建 LLM 工作流

定位：LangChain 的 低代码/无代码开发环境

免费使用：
👉 langflow.org

Langflow requires Python 3.10 to 3.13 and uv.

To install Langflow, run:
uv pip install langflow -U

To run Langflow, run:
uv run langflow run

Go to the default Langflow URL at http://127.0.0.1:7860.

---

🌈 LangFlow：可视化拖拽构建 LLM 工作流

定位：LangChain 的 低代码/无代码开发环境

核心功能：

graph LR
    A[组件库] --> B[画布拖拽]
    B --> C[节点连线]
    C --> D[实时调试]
    D --> E[导出Python代码]

🔧 操作示例（三步建一个问答机器人）：

1. 从左侧组件库拖入：
   • OpenAI LLM
   • PromptTemplate
   • OutputParser
2. 连线构建工作流：

[输入] → [PromptTemplate] → [OpenAI] → [解析] → [输出]

3. 一键导出标准 LangChain 代码：

from langchain.chains import LLMChain
chain = LLMChain(prompt=prompt, llm=OpenAI()) # 自动生成

免费使用：
👉 https://www.langflow.org/

截图示例：

---

🧩 LangChain 生态重点系统全览

系统名	核心功能	适用场景	是否开源
LangChain	LLM 链式调用/工具集成基座	AI 应用基础开发	✅
LangGraph	带分支循环的工作流引擎	复杂决策系统	✅
LangSmith	全链路测试/监控/调试平台	生产环境部署	免费+付费
LangFlow	可视化拖拽开发工具	快速原型设计	✅
LangServe	将 Chain/Graph 部署为 API 服务	模型上线部署	✅
LCEL	链式表达式语言（底层DSL）	高性能链构建	✅

---

🔍 重点系统详解（附代码定位）

1. LangServe（部署利器）

from langserve import add_routes
from langchain.chains import LLMMathChain

# 将链转为 REST API
add_routes(app, LLMMathChain(), path="/math-solver")

# 启动服务（支持gRPC/WebSocket）
uvicorn.run(app, port=8080)

功能：

• 自动生成 Swagger 文档
• 内置监控端点 /health
• 支持批处理接口 /batch

2. LCEL（LangChain表达式语言）

# 传统链式写法
chain = prompt | model | output_parser  

# 等效LCEL（支持高级特性）
chain = (
    RunnablePassthrough.assign(x=itemgetter("y")) 
    | prompt.with_config(run_name="格式化提示词")
    | model.with_fallbacks([backup_model])  # 故障转移
    | JsonOutputParser()  # JSON结构化输出
)

优势：

• 自带异步/流式支持
• 超时重试机制
• 原子化组件复用

3. LangChain CLI（项目管理）

langchain app new my-project  # 创建项目
langchain serve --port 8100  # 本地启动LangServe服务
langchain deploy config.yaml  # 部署到云

---

⚡ 生态协同实战案例

目标：构建带自动测试的天气查询服务

graph LR
    A[LangFlow设计工作流] --> B[导出LangGraph代码]
    B --> C[LangSmith测试分支逻辑]
    C --> D[LangServe部署API]
    D --> E[CLI监控流量]

具体步骤：

1. 在 LangFlow 设计天气查询工作流（条件分支 + 天气 API）
2. 导出为 weather_graph.py
3. 用 LangSmith 创建测试用例：

client.create_test(input="上海今天湿度", expected="调用湿度API")

4. 通过 LangServe 部署：

from langserve import RemoteRunnable
weather_api = RemoteRunnable("http://localhost:8080/weather")

5. 使用 CLI 监控：

langchain monitor --endpoint /weather --qps 100

---

💡 技术选型建议

需求类型	推荐方案	优势点
快速验证想法	LangFlow + LCEL	1小时产出MVP
企业级复杂系统	LangGraph + LangSmith	可靠性+可观测性
内部工具部署	LangServe 本地部署	免运维
生产环境服务	LangServe + 云平台	弹性扩缩容

所有工具链文档直达 👉 https://python.langchain.com/docs/ecosystem/