AI 开发框架（LangChain 类）

一句话理解

把大模型零件拼成应用的“工具箱”——提示词模板、链、记忆、检索件都配齐，开发者不必从零造轮子。

定义

AI 开发框架是封装了大模型调用常见模块的软件库，代表有 LangChain、LlamaIndex 等：提示词模板（911）、输出解析、链式编排、检索接入、记忆管理开箱即用。目标是把“调接口的脚本”升级成“可维护的应用”。

你会在哪遇到它

技术博客的 RAG 入门教程；后端工程师的技术选型讨论；“要不要用 LangChain”的争论帖。

背后的原理

框架把高频套路组件化：一条“链”串起提示词、模型调用与输出解析；检索器对接向量数据库（886）；记忆模块管理对话状态。价值在生态——各模型、各向量库的适配器都写好了。争议也明显：抽象层厚、调试难、版本变动快，不少团队选择只借鉴思路、手写核心链路。

和相近概念的区别

1 与 MCP（885）：MCP 是连接工具的协议，框架是编排代码的库，层次不同。 2 与 AI 工作流（887）：工作流平台面向低代码（955）编排，框架面向写代码的开发者。 3 与推理引擎（1082）：框架管应用编排，引擎管推理速度，一上一下互补。

常见误区

1 不用框架就不会开发——很多成熟产品的核心就是几百行直连代码，框架非必需。 2 框架能力等于模型能力——编排再花哨，瓶颈常在模型与数据质量。 3 可以随便换——抽象层绑定越深，迁移与升级越痛，接口隔离要趁早。