用途：构建 LLM 驱动的应用，包括 LCEL 链、RAG 管道、工具调用智能体与生产部署。
主要能力：LCEL 是组合原语，用管道符 | 串联实现 Runnable 接口的提示、模型、解析器、检索器等组件；create_agent(model, tools, prompt) 生成底层为 LangGraph 状态机的智能体，自带流式、持久化与可观测性；RAG 按 retriever | prompt | model | parser 模式由可互换的加载器、分割器、向量库组成；LangSmith 提供生产追踪，设置 LANGCHAIN_TRACING_V2=true 后启动追踪；支持向量库一行切换（Chroma、Pinecone、pgvector 等）以及 LangServe 部署。
使用方式：按起点选择路径——空白项目安装 LangChain 并搭建基础 LCEL 链；有文档可查询则搭建 RAG 链（加载、分割、嵌入、检索、生成）；需要智能体行为则用 create_agent 配工具；已有 AgentExecutor 代码需迁移到 create_agent；生产部署加 LangSmith 追踪与 LangServe。模式分为 Quick、RAG、Agent、Production。工具用 @tool 装饰器定义（需含 docstring 与类型提示）。多智能体采用 LangGraph supervisor 模式。
限制与注意：新代码不要使用 AgentExecutor，其处于维护模式至 2026 年 12 月，请改用 create_agent；需要完整状态机控制时应直接使用 LangGraph。不适用场景：单模型单提示应用直接用原始 API 更简单；需要最大透明度、纯多智能体状态机或无需 LLM 编排的无状态微服务，LangChain 会增加开销。常见问题：链无输出多为未接输出解析器；智能体不调用工具体检工具 schema；缺少追踪检查环境变量；模型未找到需安装对应集成包。
费用、价格等信息资料暂未提供。