距我们发布 LangChain 的第一个版本仅仅过去了六个月，但感觉好像已经过了好几年。当我们发布时，生成式 AI 开始走向主流：stable diffusion 刚刚发布，吸引了人们的想象力，并推动了开发者活动的爆发，Jasper 宣布了一轮融资，投资者发布了第一批 Gen AI 市场地图。
在内容创作蓬勃发展的同时，人们开始意识到这项技术的真正力量不在于孤立地使用语言模型，而在于将语言模型作为一种新的、更智能的系统的一部分来使用。开发者们正在讨论如何将语言模型连接到他们自己的专有文档、API 和结构化数据。像 Self-Ask with Search 和 ReAct 这样的研究论文相继发表，展示了这些方法的强大功能。
在计算领域这一巨大变革的早期迹象中，我们在 2022 年 10 月 24 日发布了 LangChain Python 包的第一个版本。在最初的 推文串中，Harrison 说
- “一个旨在通过组合性帮助构建 LLM 应用程序的 python 包”
- “当您能够将 [LLM] 与其他事物结合起来时，真正的力量就来了。”
- “LangChain 旨在通过创建...您可能想要组合的各种组件的综合集合...一个将组件组合成一个综合 ‘链’ 的灵活接口来提供帮助”
为什么要融资？
这一切都始于一个开源的副项目，没有任何建立公司的意图。它的开始是因为注意到人们解决问题方式中的常见模式，并尝试创建使其更容易的抽象。这些最初的简单抽象引起了共鸣，并且该项目起飞了，这很大程度上归功于您的社区支持和贡献。LangChain 现在在 GitHub 上拥有超过 2 万颗星，1 万名活跃的 Discord 成员，Twitter 上超过 3 万名关注者，最重要的是 - 超过 350 名贡献者。
LangChain + LLM 的结合显然开启了构建惊人产品和应用程序的前沿。而且，同样清楚的是，要使这些应用程序良好运行（尤其是在生产环境中），还需要更多的工作和工具。您每天都在向我们提出更多要求（400 多个 GitHub 问题，100 个开放的 PR），我们希望提供帮助！
考虑到这一点，我们很高兴公开宣布我们已完成 1000 万美元的种子轮融资。Benchmark 领投了这一轮，我们很高兴能得到他们的指导，因为他们曾是包括 Docker、Confluent、Elastic、Clickhouse 等我们都在使用的标志性开源软件的首轮领投投资者。有了这笔资金，我们将积极投资，以跟上社区在构建智能应用程序方面所做的开创性工作。我们的目标很简单：赋能开发者构建由语言模型驱动的实用应用程序。
那么您对我们有什么期望呢？
今天的 LangChain
LangChain 是一个用于开发由语言模型驱动的应用程序的框架，以 Python 和 TypeScript 包的形式提供。我们认为，最强大和最具差异化的语言模型应用程序将
- 具备数据感知能力：将语言模型连接到其他数据源
- 具备代理能力：允许语言模型与其环境交互
LangChain 框架的设计考虑了上述目标原则。我们认为它提供的两个主要价值主张是
组件
LangChain 提供了一组模块化的抽象和组件，这些组件提供了开发者使用语言模型构建应用程序所需的一切。它还包括这些抽象的实现集合。
这些组件在很大程度上是社区驱动的。仅 Python 仓库就有超过 300 名贡献者。以下是一些亮点
- 与 20 多种不同的模型提供商或托管平台集成
- 收集了 50 多种文档加载器，用于从不同来源加载数据
- 收集了 10 多种将文本数据拆分成块的方法，以便语言模型可以轻松使用它
- 与 10 多种不同的向量数据库集成
- 收集了 15 种不同的工具，供语言模型使用
预构建的链和代理
链允许开发者以特定方式组装组件以完成特定任务，例如总结大型 pdf 文档或查询 SQL 数据库。代理可以被认为是“动态链”，其中步骤的顺序由语言模型动态确定。除了提供一个高级接口，使开发者可以轻松创建自定义链和代理之外，LangChain 还提供了许多开箱即用的预构建链和代理。
同样，这些组件在很大程度上是社区驱动的。以下是一些亮点
- 实现了 约 20 种不同的链
- 实现了 6 种不同的通用代理类型（专门设计用于使用工具并与外部世界交互的链）
- 实现了 7 种不同的“代理工具包”（配备了一组特定工具以完成特定任务的代理）
未来计划
如前所述，我们认为语言模型正在解锁新型高价值应用程序，但创建和维护这些应用程序仍然很困难——尤其是在生产环境中。我们最近发布的一些版本侧重于解决这些问题
- 使 TypeScript 包的功能与 Python 包的功能对等，以使更多全栈和前端开发者能够创建 LLM 应用程序
- 实现多种类型的 OutputParsers，以允许对 LLM 返回的文本进行更多安全性和指导
- 引入 Retriever 抽象，以实现更复杂和必要的文档检索类型
- 与 Weights & Biases、AIM、ClearML 等解决方案构建集成，以实现对 LLM 应用程序的更多可观察性和实验性
我们将继续向 LangChain 添加功能并提供其他产品，这将
- 使其易于快速原型化应用程序。
- 弥合原型设计和投入生产之间的差距。
我们非常高兴看到将要构建的内容，并尽更多努力为您提供支持。我们也非常感谢整个 LangChain 社区。LangChain 将继续保持开源并专注于开发者——我们的融资使我们能够分配更多资源将其提升到一个新的水平。如果这个使命和旅程对您来说很有趣，我们正在 积极招聘创始工程师。如果您对新功能有建议，或者有兴趣评估和生产环境中运行您的 LangChain 应用程序，我们特别希望通过 support@langchain.dev 收到您的来信！
感谢您迄今为止所做的一切，让我们一起构建一些很酷的东西吧 🙂