用途：LangChain 用于构建 LLM 驱动的应用，适合实现 RAG、带工具的 AI 智能体、多步 LLM 调用链以及带记忆的对话系统。
主要能力：核心是 LangChain Expression Language（LCEL），用 | 运算符组合提示词、模型与输出解析器，支持流式、异步与可观测性。组件包括 ChatPromptTemplate 等提示词模板、ChatAnthropic/ChatOpenAI 等模型封装、StrOutputParser/JsonOutputParser/PydanticOutputParser 等输出解析器。RAG 部分提供文档加载（TextLoader、PyPDFLoader、DirectoryLoader、WebBaseLoader）、文本切分（RecursiveCharacterTextSplitter 等）、向量库（Chroma、FAISS、Pinecone）与检索链，并支持多查询检索、上下文压缩、父文档检索等模式。智能体部分支持 @tool 装饰器与 BaseTool 自定义工具、ReAct/结构化聊天/OpenAI functions 等智能体类型，以及 ConversationBufferMemory 等记忆系统。此外还有顺序链、路由链、并行执行、异步与并发处理、LangSmith 追踪与评估、回退与重试、缓存等生产化能力。
使用方式：安装命令为 pip install langchain langchain-anthropic；随后配置模型、用 LCEL 组合链并调用 invoke。RAG 需先加载与切分文档、生成向量并构建检索器。智能体需定义工具并创建 AgentExecutor。
适用场景：构建 LLM 应用、实现 RAG、创建带工具的 AI 智能体、串联多次 LLM 调用。
限制：资料未提供具体收费、价格、平台支持范围与效果保证；部分示例依赖外部服务（如 Pinecone、LangSmith）的密钥与环境配置，实际可用性取决于这些依赖。