LangChain

LLM 應用開發的國民框架:把模型、提示詞、外部工具與資料來源全部接起來,讓「呼叫一次 API」升級成「一條完整的應用流程」。

它是什麼

• 開發商:LangChain(以開源框架起家的公司)
• 核心能力:LLM/Agent 應用開發框架與整合平台:提示詞管理、鏈式流程、工具呼叫、RAG 元件,以及大量第三方整合
• 同類定位:LlamaIndex 深耕「資料進 LLM」的 RAG 環節;LangChain 面更廣,主打整條應用的編排與生態整合

典型情境

• 串接向量資料庫與 LLM,組出企業知識問答(RAG)應用
• 讓模型會用工具:查資料庫、呼叫 API、算完再回答
• 抽換底層模型供應商,而不必重寫整個應用

選型重點

• 要快速組裝 LLM 應用、吃現成整合生態 → LangChain;核心痛點是文件檢索與索引 → LlamaIndex;流程要精細可控 → 上 LangGraph
• 開源免費,但抽象層多,除錯建議搭配 LangSmith 觀測
• 框架迭代快,團隊要有持續升級維護的準備

💡 一句話記憶:LangChain = LLM 應用的樂高底板,模型、工具、資料都拼得上去。

iPAS 考點

屬「LLM 應用開發框架(Pro-code)」。判斷關鍵字:LLM 框架、Agent、整合平台。科目二常考 AI 工程化工具的分工:LangChain(開發框架)、LlamaIndex(RAG 資料框架)、LangSmith(觀測評測)、Pinecone/Weaviate(向量資料庫)— 題目問「用什麼框架開發 LLM 應用」,方向就是 LangChain。