【避坑指南】langchain模块结构兼容性问题导致的模块引入错误解析

本文介绍当前最流行的langchain在新手使用过程中的一些典型问题，因langchain在0.1.0版本后有几次较大规模的重构，产生较多模块版本不兼容、经常会遇到在引入模块时发生错误，本文针对这类问题做了langchain结构的分析，帮大家避坑！

langchain在 0.1.0 版本后对模块结构进行了重大调整，我在开发代码过程经常会遇到引入模块错误情况，基于当前langchain最新版本，整理一份RAG常用的模块结构分析说明，帮大家避坑。

LangChain 最新版本信息

截至2026 年 1 月，LangChain 各核心包的最新稳定版本如下（区分主包和拆分后的子包）：

包名	最新稳定版本	说明
langchain（主包）	0.2.14	核心主包，仅包含基础依赖和兼容层
langchain-core	0.2.35	核心接口（Runnable、Prompt 等），必装
langchain-community	0.2.12	社区集成（加载器、向量库等），必装
langchain-openai	0.1.20	OpenAI 集成（模型、嵌入等），按需装
langchain-text-splitters	0.2.2	文本分割器，独立包

验证版本的方法

可以通过以下命令快速查看本地已安装的版本，或查询官方最新版本：

bash 运行

# 查看本地安装版本 pip show langchain | grep Version pip show langchain-core | grep Version # 查看PyPI上的最新版本（需安装pip-search） # --pre 可查看预发布版本 pip install pip-search pip search langchain --pre

基于 LangChain 最新稳定版本（0.2.x），整理了一份 RAG（检索增强生成）场景下常用模块的结构分析，重点分析 0.1.0 版本前后的不兼容问题和最新正确用法，帮大家解决开发中频繁遇到的导入错误问题，减少大家的疑惑，我就在这块折腾了很久！

LangChain 0.0.x 版本核心模块结构（0.1.0 重构前）

LangChain 0.0.x 版本（截至 0.0.350 左右）的核心特点是单包集成、无核心子包拆分，所有功能都集中在langchain主包下，模块划分相对简单，没有langchain-core/langchain-community等独立包，以下是 RAG 开发中最核心的模块结构：

整体模块树（核心部分）

langchain/ ├── __init__.py ├── chat_models/ # 所有大语言模型（ChatOpenAI/ChatAnthropic等） ├── embeddings/ # 所有嵌入模型（OpenAIEmbeddings/HuggingFaceEmbeddings等） ├── document_loaders/ # 所有文档加载器（TextLoader/PyPDFLoader等） ├── text_splitter/ # 所有文本分割器（RecursiveCharacterTextSplitter等） ├── vectorstores/ # 所有向量存储（FAISS/Chroma/Pinecone等） ├── chains/ # 所有链（核心） │ ├── __init__.py │ ├── retrieval_qa.py # RetrievalQA 核心实现 │ ├── combine_documents/ │ │ ├── __init__.py │ │ ├── stuff.py # create_stuff_documents_chain │ │ ├── map_reduce.py # create_map_reduce_documents_chain │ │ └── refine.py # create_refine_documents_chain ├── prompts/ # 所有提示词模板 ├── schema/ # 基础数据结构（Document/BaseMessage等） ├── core/ # 早期核心接口（少量，未独立） └── utils/ # 工具函数

以上，各核心模块详细说明（0.0.x 版本）

模块功能	0.0.x 具体导入路径	功能说明
大语言模型	from langchain.chat_models import ChatOpenAI	所有聊天模型都集中在此，无厂商拆分
嵌入模型	from langchain.embeddings import OpenAIEmbeddings	所有嵌入模型集中在此，包含开源 / 闭源
文档加载器	from langchain.document_loaders import TextLoader, PyPDFLoader	所有加载器（内置 / 第三方）都在该路径下
文本分割器	from langchain.text_splitter import RecursiveCharacterTextSplitter	分割器无独立包，直接在主包下
向量存储	from langchain.vectorstores import FAISS, Chroma	所有向量库集成都在此路径
文档组合链	from langchain.chains.combine_documents.stuff import create_stuff_documents_chain	文档链函数在 chains.combine_documents 下
检索 QA 链	from langchain.chains import RetrievalQA	RetrievalQA 直接在 chains 根路径下
提示词模板	from langchain.prompts import ChatPromptTemplate	提示词模板集中在此，无核心拆分
基础数据结构	from langchain.schema import Document	Document 等核心结构在 schema 下

LangChain 0.1.0+ RAG 核心模块结构与兼容问题分析

LangChain 从 0.0.x 到 0.1.0 再到 0.2.x 的核心重构思路是：拆分核心模块（langchain-core）、解耦第三方集成（langchain-xxx）、统一Runnable架构。

以下是 RAG 开发中最常用的 8 大核心模块的对比分析，包含：旧路径、新路径、不兼容点、最新示例等方面进行对比：

模块功能	0.0.x 旧路径（弃用）	0.1.x/0.2.x 新路径（推荐）	核心不兼容点
1. 文档加载器	from langchain.document_loaders import …	from langchain_community.document_loaders import …	所有非核心加载器迁移到 langchain_community，需单独安装 langchain-community
2. 文档分割器	from langchain.text_splitter import …	from langchain_text_splitters import …	文本分割器独立为 langchain-text-splitters 包，旧路径仅保留兼容导入
3. 向量存储	from langchain.vectorstores import …	from langchain_community.vectorstores import …	向量存储（如 FAISS/Chroma）全部迁移到 langchain_community
4. 嵌入模型	from langchain.embeddings import …	from langchain_openai.embeddings import …（OpenAI） from langchain_community.embeddings import …（其他）	嵌入模型按厂商拆分到对应集成包（如 langchain-openai/langchain-huggingface）
5. 文档链（Stuff/MapReduce）	from langchain.chains.combine_documents import …	0.1.x: from langchain.chains.combine_documents.stuff import … 0.2.x: 用 langchain_core 重构（无直接导入）	0.2.x 彻底移除 create_stuff_documents_chain，需用 Runnable 手动构建
6. 检索链	from langchain.chains import RetrievalQA	0.1.x: 保留但标记弃用 0.2.x: 用 Runnable 手动组合检索 + 生成	RetrievalQA 被标记为弃用，官方推荐用 Runnable 架构重构
7. 提示词模板	from langchain.prompts import …	from langchain_core.prompts import …	核心提示词类迁移到 langchain_core，旧路径为兼容导入
8. 大语言模型	from langchain.chat_models import ChatOpenAI	from langchain_openai import ChatOpenAI	LLM 按厂商拆分到独立包（如 langchain-openai/langchain-anthropic）

以下整理了各核心模块最新用法（基于0.2.x 版本），供大家参考。

环境准备（必装依赖）

首先安装最新版核心包和集成包，避免依赖缺失导致的导入错误：

bash 运行

# 核心包（必须） pip install -U langchain-core langchain-text-splitters # 社区集成包（文档加载/向量存储） pip install -U langchain-community # 厂商集成包（按需安装） pip install -U langchain-openai # OpenAI 模型/嵌入 pip install -U langchain-huggingface # HuggingFace 模型/嵌入 pip install -U faiss-cpu # FAISS 向量库 pip install -U chromadb # Chroma 向量库

完整 RAG 流程示例（重点关注0.2.x 最新写法）

以下是覆盖「文档加载→分割→嵌入→存储→检索→生成」的完整 RAG 代码，无任何弃用警告：

python 运行

import os from langchain_community.document_loaders import TextLoader from langchain_text_splitters import RecursiveCharacterTextSplitter from langchain_openai.embeddings import OpenAIEmbeddings from langchain_community.vectorstores import FAISS from langchain_core.prompts import ChatPromptTemplate from langchain_openai import ChatOpenAI from langchain_core.runnables import RunnablePassthrough from langchain_core.output_parsers import StrOutputParser # 1. 配置环境变量 os.environ["OPENAI_API_KEY"] = "你的OpenAI API密钥"# 2. 文档加载（迁移到 langchain_community） loader = TextLoader("your_document.txt") # 替换为你的文档路径 documents = loader.load()# 3. 文档分割（独立为 langchain_text_splitters） text_splitter = RecursiveCharacterTextSplitter( chunk_size=500, # 每个片段500字符 chunk_overlap=50, # 片段重叠50字符 separators=["\n\n", "\n", "。", "，", " "] # 中文分割符 ) splits = text_splitter.split_documents(documents) # 4. 嵌入与向量存储（嵌入模型迁移到 langchain-openai，向量库迁移到 langchain_community） embeddings = OpenAIEmbeddings(model="text-embedding-3-small") vectorstore = FAISS.from_documents(documents=splits, embedding=embeddings) retriever = vectorstore.as_retriever(search_kwargs={"k": 3}) # 检索Top3文档# 5. 构建提示词（迁移到 langchain_core） prompt = ChatPromptTemplate.from_messages([("system", "你是一个问答助手，仅根据提供的上下文回答问题，不要编造信息。\n上下文：{context}"),("human", "{question}")])# 6. 初始化LLM（迁移到 langchain-openai） llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0) # 7. 构建RAG链（替代旧的 RetrievalQA/create_stuff_documents_chain）def format_docs(docs):"""拼接检索到的文档（对应原 stuff 模式）"""return "\n\n".join(doc.page_content for doc in docs) rag_chain = ({"context": retriever | format_docs, "question": RunnablePassthrough()}| prompt | llm | StrOutputParser())# 8. 运行RAG if __name__ == "__main__": response = rag_chain.invoke("你的问题？") print("回答：", response)

几个关键的不兼容问题，特别说明

（1）文档加载器 / 向量存储的迁移

**不兼容点：**0.0.x 中langchain.document_loaders包含所有加载器，0.1.x 后非核心加载器全部迁移到langchain_community，未安装该包会报ImportError。
解决：安装langchain-community,并从langchain_community.docu
ment_loaders/langchain_community.vectorstores导入。

（2）文本分割器的独立

不兼容点：0.2.x 后langchain.text_splitter仅为兼容导入，核心代码迁移到langchain_text_splitters包，直接导入旧路径会有弃用警告。
解决：安装langchain-text-splitters，从langchain_text
_splitters导入。

（3）RAG 链的重构（最易出错）

不兼容点：

0.0.x:RetrievalQA.from_chain_type(llm, chain_type="stuff", retriever=retriever)
0.1.x:create_stuff_documents_chain + create_retrieval_chain（临时过渡）
**0.2.x:**彻底移除上述函数，需用Runnable手动组合「检索→格式化→提示词→LLM→解析」

解决：用上述示例中的rag_chain写法，核心逻辑是retriever | format_docs替代原 stuff 链。

（4）模型 / 嵌入的拆分

不兼容点：0.0.x 中langchain.embeddings.OpenAIEmbeddings/la
ngchain.chat_models.ChatOpenAI迁移到langchain_openai包，未安装会报导入错误。
解决：安装对应厂商包（如langchain-openai/langchain-huggingface），从对应包导入。

最后的总结

核心架构的变化：
LangChain 0.1.x+ 拆分出langchain-core（核心接口）、langchain-community（社区集成）、langchain-xxx（厂商集成）三大模块，需按需安装。
关键的不兼容点：
文档加载 / 向量存储迁移到langchain_community，文本分割器独立为langchain-text-splitters，旧的RetrievalQA/create_stuf
f_documents_chain被Runnable架构替代。
避坑建议：