LangChain langchain-ai/langchain

能干什么

一个写 LLM 应用/Agent 的框架（Python + JS/TS）：核心价值是「标准接口」——init_chat_model 一行换模型（OpenAI/Anthropic/本地任何 OpenAI 兼容端点都能指）、统一的 embeddings/向量库/工具/检索器接口，几百个第三方集成（模型商、向量库、数据源）即插即用，换模型不改架构。现在定位已从「链式拼接框架」转成「Agent 工程平台」，生态分三层：LangChain 本体（组件与集成）、LangGraph（低层 Agent 编排，可控工作流/状态机）、Deep Agents（高层，自带规划/子 Agent/文件系统能力的现成 Agent）。配套 LangSmith（商用）做 eval/观测/调试。注意：它是框架不是模型、不占你显卡——跑的是什么模型由你配，本地模型接进来就是本地跑。

怎么干

• uv add langchain，from langchain.chat_models import init_chat_model 一行接模型（本地就指 Ollama/vLLM 的 OpenAI 兼容端点）
• 要编排复杂 Agent 工作流上 LangGraph；要「规划+子 Agent+文件」开箱即用的高层 Agent 用 Deep Agents
• 检索/RAG 用其 retriever + 向量库集成（Chroma/Milvus/PGVector 等都能接）

本站怎么用

它是「自己搭本地模型应用」读者的标准脚手架：本站收的 nano 级工具（mem0 记忆、crawl4ai 抓取、LightRAG 检索）很多都以 LangChain 为集成目标。读者从「用现成应用」走到「自己拼应用」这一步，LangChain 是最常见的第一块积木。纯框架，显存账全在你配的模型（本地按 /capacity/ 档位）。

显存口径

框架本身不占显存（Python/JS 库）。它调用的模型与检索组件才是显存/内存账：本地模型按 /capacity/ 档位，向量库存内存/磁盘。接在线 API 则本地零显存。