LangChain v1.0进行里程碑式模块化重构，将单一包拆分为多个独立包：core(核心抽象)、主包(构建Agent)、community(社区集成)、partner(厂商集成)和classic(旧版兼容)。文章详解各模块功能定位、依赖关系和适用场景，提供升级建议和最佳实践，帮助开发者快速上手v1.0，构建高效稳定的AI应用。

---

大家好！LangChain 迎来了 v1.0 这个里程碑版本（2025 年10月正式发布），这是 LangChain 团队经过几年社区反馈和生产实践后，对框架的一次大刀阔斧的重构。

最大的变化就是模块化拆分：过去一个 langchain 包，现在被拆成了多个独立、可按需安装的包。这样做的好处是：

• 主包更轻量、更专注（安装更快、依赖更少）
• 生产环境更稳定（只装你需要的部分）
• 生态更清晰（核心抽象、社区集成、厂商集成、旧版兼容各司其职）
• 便于维护和贡献

本文专为 LangChain 爱好者 编写，帮助你快速搞懂 v1.0 的每个包是干什么的、该什么时候装哪个包、它们之间的依赖关系，以及一些最佳实践。

官方 v1.0 发布说明：https://docs.langchain.com/oss/python/releases/langchain-v1
最新博客（2025 年 11 月）：https://blog.langchain.com/langchain-langgraph-1dot0/

1. LangChain v1.0 各模块一览表

---

包名称	核心定位	主要内容与作用	依赖关系	适合场景
langchain-core	核心抽象层 + LCEL（表达式语言）	定义所有组件的标准接口（ChatModel、Embeddings、Tool、Message、Prompt 等），LCEL 实现，不含任何第三方集成	无（最底层）	所有 LangChain 项目都必须依赖
langchain	主包：构建 Agent 的“开箱即用”入口	聚焦现代 Agent 架构：create_agent、middleware、中间件系统、init_chat_model 等高阶 API，重新导出 core 的常用类	依赖 langchain-core	大多数新手/生产项目直接用这个
langchain-community	社区维护的第三方集成	大量文档加载器、向量库、工具、少见模型集成（质量参差不齐）	依赖 langchain-core	快速验证想法、用到冷门集成时
langchain-[partner] （如 langchain-openai）	官方深度支持的厂商集成	特定厂商的最优实现（如 ChatOpenAI），支持最新特性（content blocks、structured output）	只依赖 langchain-core	生产环境强烈推荐（稳定、更新快）
langchain-classic	旧版兼容包（Legacy）	v0.x 的所有旧 Chain、旧 Retriever、Indexing API、旧 AgentExecutor 等	独立包	正在从 v0.x 迁移的老项目

2. 各模块详细说明

---

2.1 langchain-core：一切的基石（必须装）

• 定位：最轻量、最纯粹的包，只定义“接口”，不实现任何具体厂商或第三方功能。
• 核心内容：

• 所有组件的基类和抽象：BaseChatModel、BaseTool、Embeddings、Runnable 等
• 消息系统：HumanMessage、AIMessage、ToolMessage、内容块（content blocks，支持多模态）
• LCEL（LangChain Expression Language）：用 | 管道符快速组合组件
• @tool 装饰器、工具调用规范

• 为什么这么设计？
  让整个生态都有统一的标准，其他包只需实现这些接口即可。

2.2 langchain（主包）：v1.0 的真正“主角”

v1.0 把 langchain 包彻底精简，只保留 构建现代 Agent 的最核心、最好用的 API，底层基于 LangGraph（状态机 + 可持久化 + streaming + human-in-the-loop）实现。

• 定位：给你一个“开箱即用”的 Agent 构建体验，适合 90% 的实际项目。
• 关键变化：

• 命名空间大幅精简（过去几百个类，现在只有最精华的部分）
• 推荐入口：create_agent() 一行代码创建完整 Agent
• 新增 middleware 系统，可以非常灵活地插拔行为（上下文工程、工具动态切换等）

• 主要模块一览：

模块路径	核心内容	说明
langchain.agents	create_agent , AgentState, middleware	新版 Agent 创建与执行器
langchain.messages	AIMessage , HumanMessage, trim_messages	从 core 重新导出，方便使用
langchain.tools	@tool , BaseTool	工具定义
langchain.chat_models	init_chat_model	统一初始化任意厂商模型（厂商无关）
langchain.embeddings	init_embeddings	统一初始化嵌入模型

• 安装：pip install langchain（会自动带上 core）
• 新手最佳实践：直接从 langchain 导入一切，写代码最顺手。

from langchain import create_agentfrom langchain_openai import ChatOpenAI   # 模型来自厂商包agent = create_agent(model=ChatOpenAI(model="gpt-4o"))

2.3 langchain-community：社区“大杂烩”

• 定位：社区贡献的“功能扩展层”，放所有非核心、非热门的集成。
• 典型内容：

• 文档加载器：PDF、CSV、HTML、Markdown、DirectoryLoader 等
• 文本分割器：RecursiveCharacterTextSplitter
• 向量库：Chroma、Pinecone、Qdrant、Milvus、PGVector 等
• 工具：Slack、Notion、GitHub、ArXiv、YouTube 等
• 少见模型：通义千问、DeepSeek（社区版）、本地 Ollama 等

• 特点：

• 数量极其庞大（覆盖 95% 的冷门需求）
• 质量参差不齐、更新可能滞后（社区维护）
• 依赖都是可选的，安装时只会拉取你实际用到的

• 安装：pip install langchain-community
• 建议：原型阶段可以用，生产环境优先换成官方厂商包或自己维护。

2.4 langchain-[partner]：官方深度厂商包（生产必备）

这些是 LangChain 团队与厂商共同维护的“黄金集成”，目前主流的有：

包名	支持的模型/服务
langchain-openai	OpenAI、Azure OpenAI
langchain-anthropic	Claude 全系列
langchain-google	Gemini、Vertex AI
langchain-groq	Groq（Llama3 等超快推理）
langchain-ollama	本地 Ollama
langchain-deepseek	DeepSeek
……	更多持续增加

• 为什么单独拆出来？

• 主包保持轻量（不强制安装所有厂商 SDK）
• 更新更快、支持最新特性（多模态 content blocks、structured output、工具调用规范）
• 只依赖 langchain-core，安装体积最小

• 最佳实践：

• 生产环境：务必使用对应厂商包（如 from langchain_openai import ChatOpenAI）
• 多模型切换：用 init_chat_model("openai:gpt-4o") 或 "anthropic:claude-3-opus"，代码零改动
• 兼容 OpenAI 格式的第三方（如 DeepSeek、火山引擎）也可以直接用 langchain-openai，只改 base_url 和 key

2.5 langchain-classic：旧代码的“救生艇”

官方把 v0.x 中所有 已被弃用（deprecated） 的功能全部搬到这个包里，让 v1.0 主包保持干净。

• 包含内容：

• 旧版 Chain：LLMChain、SequentialChain、RouterChain 等
• 旧版 Retriever：MultiQueryRetriever、ParentDocumentRetriever 等
• 旧版 Agent：AgentExecutor、零样本 ReAct 等
• Indexing API、LangChain Hub 等

• 安装：pip install langchain-classic
• 导入变化：from langchain_classic.chains import LLMChain
• 建议：新项目不要用，老项目尽快迁移到新 Agent（create_agent + LangGraph）。

3. 升级与最佳实践建议

---

1. 新项目直接上 v1.0：

   pip install langchain langchain-openai  # 够用了
   

2. 只用 OpenAI：只装 langchain-core + langchain + langchain-openai

3. 需要向量库/文档加载：先看有没有在社区包，生产再考虑自研或官方替代

4. 迁移老项目：先加 langchain-classic，改 import，再逐步替换成新 API

5. 统一模型初始化（强烈推荐）：

   from langchain.chat_models import init_chat_modelmodel = init_chat_model("gpt-4o", model_provider="openai")  # 或 "anthropic"
   

6. 写在最后

---

LangChain v1.0 的模块化拆分，是框架走向成熟的标志：更轻、更快、更专注 Agent、更易维护。对新手来说，你只需要记住：

• 日常开发：pip install langchain langchain-openai → 从 langchain 包导入一切
• 生产部署：尽量用官方厂商包
• 探索新功能：放心用社区包试水

---

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】