langchain-core

• 包含 核心抽象与接口：LLM/ChatModel 抽象、Prompt 抽象、Chain/Agent 的基类、schema、消息格式等。
• 不包含具体厂商的实现（例如没有 OpenAI client 的封装），而是定义“合同（interfaces）”，其他包在此之上实现具体功能。
• 这是构建 LangChain 应用生态的最小公共底座。

# 安装：pip install langchain
from langchain_core.prompts import PromptTemplate

prompt_template = PromptTemplate.from_template(
    "{city}的公司起一个好名字？"
)

formatted_prompt = prompt_template.format(city="北京")

response = model.invoke(formatted_prompt)

langchain主包

• 对外的主入口包：把 langchain-core 的核心抽象与“常用实现”组合在一起，便于快速上手。
• 在 v1.0 中，langchain 的命名空间被 显著精简，只保留构建 agent 的关键 API（更轻、更专注）。官方建议大多数用户直接使用此主包以获得“开箱即用”的体验。

from langchain.agents import create_agent

# 创建智能体
agent_executor = create_agent(llm, tools)

result = agent.invoke({
    # 消息
    "messages": [{
        "role": "user",
        "content": "会议决定：张三需要在下周一前完成项目报告"
    }]
})

langchain-community 第三方集成库

langchain-community 作为 LangChain 1.0 的“功能扩展层”，通过社区贡献的非官方集成组件显著扩展了主包的功能边界，其核心价值体现在工具类组件与平台集成两大维度。工具类组件覆盖文档处理全流程，包括 DirectoryLoader 文档加载器（支持 PDF、文本等多格式文件批量导入）、RecursiveCharacterTextSplitter 文本分割器（按语义边界将文档切分为检索友好的 Chunk）、PGVector 向量存储（PostgreSQL 生态的向量数据库适配）及 HuggingFaceEmbeddings 嵌入模型（本地部署模型的向量化能力），这些组件共同构成了 RAG 应用的技术基础。平台集成方面，支持与 DeepSeek、阿里云通义千问等模型的对接，例如通过 langchain_community.chat_models.ChatTongyi 类初始化通义千问模型，或利用 Ollama 类调用本地部署的 DeepSeek-R1 模型。

包含内容：

• 数据库：MySQL, PostgreSQL, MongoDB, Neo4j等连接器
• 存储服务：AWS S3, 阿里云OSS, Google Cloud Storage
• 工具集成：Slack, Notion, GitHub, ArXiv, YouTube等API
• 向量数据库：Chroma, Pinecone, Qdrant, Milvus等
• 文档加载器：PDF, CSV, HTML, Markdown解析器

特点：

• 质量参差不齐：社区贡献，需自行验证稳定性
• 更新滞后：依赖社区维护，响应速度慢于官方包
• 功能丰富：覆盖95%的第三方服务集成需求

# 安装：pip install langchain-community
from langchain_community.document_loaders import NotionDBLoader

# 从Notion数据库加载文档
loader = NotionDBLoader(
    integration_token="secret_...",
    database_id="your-db-id"
)

documents = loader.load()

print(f"加载了{len(documents)}条文档")

langchain-openai(厂商/提供者集成包)

厂商特定集成包（如 langchain-openai、langchain-anthropic、langchain-google 等）通过封装 API 细节，为开发者提供“零适配成本”的模型对接方案，其核心价值在于简化特定 API 对接流程，使开发者能够直接使用厂商特有功能。以 langchain-openai 为例，其关键组件包括模型客户端、工具调用适配和多模型支持三大模块。

此外，该类还支持通过配置 openai_api_base 和 openai_api_key 参数对接兼容 OpenAI API 格式的第三方模型，如 DeepSeek 模型

• 专门负责把 OpenAI 的 SDK 与 LangChain 抽象连接起来：提供 ChatOpenAI、OpenAIEmbeddings、OpenAI等类的实现。
• 这类包通常是 “按厂商拆分”：langchain-openai、langchain-azure、langchain-anthropic、langchain-deepseek等。
• 官方深度集成特定LLM提供商，更新频繁，功能最全.

#!pip install langchain-openai
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4o-mini")

question = "你好，请你介绍一下你自己。"

result = model.invoke(question)
print(result.content)

主流厂商包列表：

• langchain-openai：OpenAI, Azure OpenAI
• langchain-anthropic：Claude系列
• langchain-google：Gemini, Vertex AI
• langchain-deepseek：DeepSeek模型
• langchain-ollama：本地Ollama部署

与langchain-community的区别：

langchain-classic

• 兼容包 / 迁移包：把 LangChain v0.x 中的“老 API / legacy 功能”搬到单独包里，以便 v1.0 保持精简，但仍给用户向后兼容的迁移通道。
• 包含如：老的 Chain 实现、旧版 retrievers、索引 API、hub 模块等被标记为“legacy”的功能。
  • 旧版AgentExecutor
  • Legacy Chains（LLMChain, SequentialChain等）

#!pip intsall langchain-classic
from langchain_classic.chat_models import ChatOpenAI

model = ChatOpenAI(model="gpt-4o-mini")
res = model.invoke("请介绍一下你自己")