LangChainModelasaService粘合剂，被C

　　作者、编辑：程天一
　　排版：Lydia、ZoeyLangChain很火，有关它的前途命运也有很多争议，但一个相对肯定的结论是：LangChain已经成为了AI应用开发的新手村。22年11月初，HackerNews上如何入门AI的帖子回复中，LangChain第一次被列进入门套装：
　　看Fast。ai和AndrejKarpathy的YouTube频道。在本地试试跑StableDiffusion。用YOLO标记你的图片。用LangChain，在HuggingFace学学如何使用Transformer的库。然后去Kaggle吧。
　　LangChain由前RobustIntelligence的机器学习工程师ChaseHarrison在22年10月底推出，是一个封装了大量LLM应用开发逻辑和工具集成的开源Python库，有成为第一个被广泛认可的LLM应用开发框架的势头。随着Harrison为LangChain添加了很多实用的抽象，以及23年1月众多AIHackathon决赛项目使用LangChain，它的GithubStar迅速破万，成为LLM应用开发者选择中间件时想到的第一个名字。
　　从开发者视角看，LangChain是个挺友好且优美的库：
　　它非常模块化，还通过Chain、Agent、Memory对LLM的抽象帮助开发者提高了构建较复杂逻辑应用的效率；而且每个模块有很好的可组合性，有点像为LLM提供了本SOP，能实现LLM与其他工具的组合、Chain与Chain的嵌套等逻辑；
　　它一站式集成了所有工具，从各种非结构化数据的预处理、不同的LLM、中间的向量和图数据库和最后的模型部署，贡献者都帮LangChain跟各种工具完成了迅速、全面的集成。
　　作为成长期投资者看LangChain，它本身还太早期，远没到成长逻辑。除此之外，我对它在商业层面未来发展的核心担忧在于：
　　我们不能直接套用旧时代的中间件视角，随着ChatGPTPlugIn出现和OpenAI的更多边界延伸，LangChain的价值可能被取代，很快像机器学习历史上的其他明星库一样隐入尘埃；
　　LangChain本身的壁垒也比较薄，是其他开源库身上的开源库，没有太多技术壁垒，只是替大家省下来了码的时间。如果要收费使用，很多开发者可能会选择自己把LangChain这套东西码出来；
　　目前使用LangChain库的以个人开发者和极客的sideproject为主，还不是正经的企业级LLM集成工具，而稍微有点体量的公司都会选择forkLangChain的源码或者干脆自己再码套框架。
　　从投资人的角度看，LangChain的创始人HarrisonChase想做的不止是LangChain这个开源库而已，我们比较期待他服务AI应用开发者的下一步动作。此外，我在本文使用了尽可能通俗易懂的方式呈现和分析LangChain的能力，所以没有技术背景的读者也可以放心阅读本文，也欢迎LangChain开发者填写反馈征集问卷。
　　以下为本文目录，建议结合要点进行针对性阅读。