1. LangChain模块化设计解析
在开始第一个LLM调用程序之前,我们需要先理解LangChain的模块化架构。LangChain将复杂的大语言模型应用开发拆解为五个核心模块,这种设计让开发者能够像搭积木一样灵活组合功能。
1.1 五大核心模块功能定位
Model I/O模块:这是与LLM直接交互的入口,负责处理输入输出。包含三个关键组件:
- Prompts(提示模板):结构化提示词管理
- Language Models(语言模型):对接不同LLM的接口
- Output Parsers(输出解析器):将模型输出转换为结构化数据
Retrieval模块:实现RAG(检索增强生成)的核心,负责从外部数据源获取相关信息。典型工作流包括:
- 文档加载(Document Loaders)
- 文本分割(Text Splitters)
- 向量存储(Vectorstores)
- 检索器(Retrievers)
Chains模块:将多个组件串联成工作流。比如:
- 简单的LLMChain(提示词+LLM)
- 复杂的SequentialChain(多个链顺序执行)
- 支持条件判断的RouterChain
Agents模块:让LLM具备使用工具的能力。通过:
- 工具定义(Tools)
- 代理类型选择(Agent Types)
- 执行循环(AgentExecutor)
Memory模块:实现对话记忆功能。包括:
- 简单记忆(ConversationBufferMemory)
- 带窗口的记忆(ConversationBufferWindowMemory)
- 知识图谱记忆(ConversationKGMemory)
1.2 模块间的协同关系
这些模块不是孤立存在的,它们通过标准接口相互协作。比如一个完整的RAG应用会涉及:
- Retrieval模块获取相关文档
- Model I/O模块构建提示词
- Chains模块组合检索和生成步骤
- Memory模块维护对话历史
- Agents模块处理复杂决策
理解这种模块化设计,后续开发时就能快速定位问题所在,也能灵活调整各个组件。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 纯LLM调用方式剖析
2.1 基础实现代码
我们先看最基础的L
