怎么看待Langchain版本升级为1.x版本?

Langchain1.x的版本升级,也间接指明了大模型开发未来的方向。

作为大模型应用中热门的开发框架——Langchain最近迎来了大的升级,从0.x版本升级到1.x版本,官方也强调说这是一次大的版本升级,并且是第一个稳定版本,官方承诺在2.x版本之前,不会再有大的改动。

因为在此之前,由于Langchain为了追求功能的适配性,每次迭代都会有颠覆性的升级,导致很多之前的功能和接口都不能用,这也给很多开发者带来很多困扰。

Langchain1.x版本

从Langchain官网中可以看到,Langchain的这次升级版本跨度很大,而主要功能方向基本上可以说是为了Agent智能体定制化开发,并且去除了很多之前的功能如chain链式调用。

官网地址: https://docs.langchain.com/oss/python/langchain/overview

Langchain的这次升级,也间接说明了大模型应用在未来的主要方向——智能体。

在1.x之前的Langchain版本中,Langchain家族主要分为两块,一块是基于Langchain的普通大模型应用开发,如简单对话,格式化输出,记忆功能等,主要基于其核心设计理念——Chain链式调用实现;可以通过其封装的Chain对象或者LCEL表达式实现,这也是Langchain的由来。

其次就是智能体开发中使用的Langgraph,通过状态图的方式实现智能体的数据流转与协作。

但在Langchain1.x版本中,链式调用被完全弱化,其核心理念全部围绕智能体开发实现,通过Langchain包可以很容易实现一个智能体。

# pip install -qU langchain "langchain[anthropic]" from langchain.agents import create_agent def get_weather(city: str) -> str: """Get weather for a given city.""" return f"It's always sunny in {city}!" agent = create_agent( model="claude-sonnet-4-5-20250929", tools=[get_weather], system_prompt="You are a helpful assistant", ) # Run the agent agent.invoke( {"messages": [{"role": "user", "content": "what is the weather in sf"}]} )

并且在Langchain中封装了智能体常用组件,如模型,对话,工具,记忆,流式输出,格式化等模块,使得只需要几行代码就可以实现智能体开发。

最重要的是,在Langchain1.x版本中提出了几个重要概念,一是中间件Middleware,二是运行时环境。

在之前的大模型应用中,怎么对模型输入或输出的数据进行处理,需要自己添加节点进行手动处理;但在新版本中,提出了中间件的概念,其优点是只需要进行简单的配置即可实现,并且可以根据不同的业务功能选择不同的中间件。

from langchain.agents import create_agent from langchain.agents.middleware import SummarizationMiddleware, HumanInTheLoopMiddleware agent = create_agent( model="gpt-4o", tools=[...], middleware=[ SummarizationMiddleware(...), HumanInTheLoopMiddleware(...) ], )

再有就是,在智能体应用中,数据的传递是一个很麻烦的事情;如怎么把用户id或者一些外部参数传入到智能体;在之前只能通过config配置的方式,但在新版本中的运行时环境中很容易就可以实现这个功能,大大降低了开发量。

from dataclasses import dataclass from langchain.tools import tool, ToolRuntime @dataclass class Context: user_id: str @tool def fetch_user_email_preferences(runtime: ToolRuntime[Context]) -> str: """Fetch the user's email preferences from the store.""" user_id = runtime.context.user_id preferences: str = "The user prefers you to write a brief and polite email." if runtime.store: if memory := runtime.store.get(("users",), user_id): preferences = memory.value["preferences"] return preferences

除了这些之前,在Langchain新版本中还封装了很多其它有用的功能,如人工介入,多智能体,MCP等;我们可以在学习和开发的过程中慢慢深入理解。

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享

👇👇扫码免费领取全部内容👇👇

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI

1. 100+本大模型方向电子书

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

L5阶段:专题集丨特训篇 【录播课】


四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1154270.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AI人脸隐私卫士商业变现:SaaS服务搭建全流程

AI人脸隐私卫士商业变现:SaaS服务搭建全流程 1. 引言:从技术产品到商业服务的跃迁 随着《个人信息保护法》和《数据安全法》的全面实施,图像中的人脸信息处理已成为企业合规的重要环节。无论是媒体机构发布新闻配图、企业上传员工培训照片&…

拍不到野生动物?这些高清素材堪比纪录片画质

你是否梦想拍摄如《地球脉动》般震撼的野生动物镜头,却受限于昂贵的设备、遥远的栖息地,或是数月也难遇的耐心等待?这种理想与现实的差距,就像站在山脚仰望星空,美好却遥不可及。对于绝大多数创作者而言,亲…

极速推理背后的秘密:AI手势识别CPU优化技术剖析

极速推理背后的秘密:AI手势识别CPU优化技术剖析 1. 技术背景与核心挑战 随着人机交互技术的不断演进,AI手势识别正逐步从实验室走向消费级应用。无论是智能穿戴设备、车载系统,还是AR/VR交互场景,无需触控的手势控制都展现出巨大…

手势识别技术实战:MediaPipe Hands基础

手势识别技术实战:MediaPipe Hands基础 1. 引言:AI 手势识别与人机交互新范式 随着人工智能在计算机视觉领域的持续突破,手势识别正逐步成为下一代人机交互的核心技术之一。从智能穿戴设备到虚拟现实(VR)、增强现实&…

AI手势识别模型压缩技巧:更小体积更高性能实战

AI手势识别模型压缩技巧:更小体积更高性能实战 1. 引言:AI 手势识别与追踪的技术演进 随着人机交互需求的不断增长,AI手势识别正从实验室走向消费级应用。无论是智能穿戴设备、AR/VR交互,还是车载控制和智能家居,精准…

阿里开源神器Qwen3-VL-2B-Instruct:开箱即用的多模态AI

阿里开源神器Qwen3-VL-2B-Instruct:开箱即用的多模态AI 💡 获取更多AI镜像 想探索更多AI镜像和应用场景?访问 CSDN星图镜像广场,提供丰富的预置镜像,覆盖大模型推理、图像生成、视频生成、模型微调等多个领域&#xff…

智能打码系统搭建:保护教育视频中的学生隐私

智能打码系统搭建:保护教育视频中的学生隐私 1. 引言:AI 人脸隐私卫士 - 智能自动打码 在教育信息化快速发展的今天,越来越多的课堂实录、教学互动视频被用于教研分析、远程教学和成果展示。然而,这些视频中不可避免地包含了大量…

Altium Designer安装教程:手把手完成PCB设计前必备设置

从零开始搭建高效PCB设计环境:Altium Designer 安装与初始化实战指南 你是不是也经历过这样的场景? 刚下载好 Altium Designer,兴冲冲双击安装包,结果一路“下一步”点完,启动时却弹出一堆错误—— 许可证无效、元件…

2026必备!自考论文神器TOP10:一键生成论文工具深度测评与推荐

2026必备!自考论文神器TOP10:一键生成论文工具深度测评与推荐 2026年自考论文写作工具测评:为何需要这份榜单? 随着自考人数逐年攀升,论文写作已成为众多考生面临的关键挑战。无论是选题构思、资料搜集,还…

Python学习日记:探索编程的奇妙世界

# Python学习日记:探索编程的奇妙世界## 2026年1月13日 星期二 多云今天是学习Python的第11天,我深入研究了循环结构和条件语句的高级应用。通过编写一个学生成绩管理系统,我掌握了for循环和while循环的不同使用场景。在实现成绩统计功能时&a…

瑜伽姿势评估系统搭建:MediaPipe Pose完整教程

瑜伽姿势评估系统搭建:MediaPipe Pose完整教程 1. 引言:AI 人体骨骼关键点检测的实践价值 随着人工智能在计算机视觉领域的深入发展,人体姿态估计(Human Pose Estimation)已成为智能健身、运动康复、虚拟试衣和人机交…

彩虹骨骼算法创新点解析:AI手势可视化进阶教程

彩虹骨骼算法创新点解析:AI手势可视化进阶教程 1. 引言:从基础手势识别到视觉增强交互 1.1 AI 手势识别与追踪的技术演进 随着人机交互技术的不断进步,基于视觉的手势识别已成为智能设备、虚拟现实(VR)、增强现实&a…

Linux TCP/IP协议栈深度调优:从三次握手到拥塞控制

前言 TCP/IP协议栈是Linux网络性能的基石。默认参数往往面向通用场景,在高并发、低延迟或跨网络环境下可能成为瓶颈。理解TCP的工作机制,针对性地调整内核参数,能在不改变应用代码的情况下显著提升性能。 这篇文章从TCP连接建立、数据传输、拥…

性能翻倍!Qwen3-4B-Instruct优化部署指南

性能翻倍!Qwen3-4B-Instruct优化部署指南 1. 引言:轻量级大模型的性能跃迁 在当前AI推理场景日益多样化、边缘计算需求不断增长的背景下,如何在有限资源下实现高性能语言模型的稳定部署,成为开发者关注的核心问题。阿里云推出的…

AI翻译神器:腾讯混元HY-MT1.5-1.8B效果展示与案例分享

AI翻译神器:腾讯混元HY-MT1.5-1.8B效果展示与案例分享 1. 引言:企业级轻量翻译模型的崛起 在全球化协作日益频繁的今天,高质量、低延迟的机器翻译已成为智能办公、跨境电商、内容本地化等场景的核心基础设施。然而,传统大参数量…

MediaPipe Hands部署指南:跨设备手势控制

MediaPipe Hands部署指南:跨设备手势控制 1. 引言:AI 手势识别与追踪 随着人机交互技术的不断演进,手势识别正逐步成为智能设备、虚拟现实、增强现实乃至工业控制中的核心感知能力。传统的触摸或语音交互方式在特定场景下存在局限性&#x…

TTL逻辑门实现详解:8个基本门电路图完整示例

从晶体管到逻辑:深度拆解TTL门电路的底层实现你有没有想过,一个“与”或“非”的逻辑判断,到底是怎么在电路里被真实执行的?我们每天用Verilog写一行assign y a & b;,FPGA就自动实现了AND功能。但在这背后&#x…

AI手势识别光照敏感?暗光环境下表现优化实战

AI手势识别光照敏感?暗光环境下表现优化实战 1. 引言:AI手势识别的现实挑战 随着人机交互技术的快速发展,AI手势识别正逐步从实验室走向消费级应用,广泛应用于智能驾驶、虚拟现实、智能家居和无障碍交互等领域。其中&#xff0c…

Prometheus监控体系构建与告警优化实战

前言 监控是运维的"眼睛"。没有监控,系统出问题只能被动发现;告警不合理,要么漏报要么告警疲劳。Prometheus作为云原生监控的事实标准,提供了完整的指标采集、存储、查询和告警能力。 但搭建Prometheus只是第一步&#…

MediaPipe Hands实战案例:手部追踪系统搭建完整指南

MediaPipe Hands实战案例:手部追踪系统搭建完整指南 1. 引言:AI 手势识别与追踪的现实价值 随着人机交互技术的不断演进,手势识别正逐步成为智能设备、虚拟现实(VR)、增强现实(AR)和智能家居等…