为什么都放弃了LangChain？

AI-Agent5个月前发布 almosthuman2014

1,292 0 0

文章摘要

LangChain自诞生以来便引发了两极分化的评价。支持者认为其丰富的工具和易于集成的特点使其成为开发者的理想选择，而反对者则认为在技术快速变化的时代，LangChain的抽象设计难以应对复杂需求。

在2023年初，Octomind团队选择LangChain作为其AI Agent的开发框架，初期效果显著。然而，随着需求的复杂化，LangChain的局限性逐渐显现。其高级抽象使得代码难以理解和维护，团队在理解和调试LangChain上花费的时间与构建功能的时间相当。

LangChain的抽象设计通过引入Prompt模板、输出解析器和链等概念，试图隐藏细节以简化开发。然而，这些抽象在实际应用中并未带来明显的好处，反而增加了代码的复杂性和理解难度。相比之下，直接使用OpenAI软件包的代码更加简洁明了，减少了认知负荷。

在实际应用中，LangChain对开发团队的影响显著。Octomind团队在尝试从单一Sequential Agent架构转向更复杂的架构时，LangChain成为了限制因素。例如，生成Sub-Agent并让它们与原始Agent互动，或多个专业Agent相互交互的需求，LangChain都难以满足。

在放弃LangChain后，Octomind团队发现无需将需求转化为适合LangChain的解决方案，只需编写代码即可。Fabian Both认为，构建AI应用程序并不一定需要框架，核心组件通常包括用于LLM通信的客户端、用于函数调用的函数或工具、用于RAG的向量数据库和用于跟踪评估的可观察性平台。保持简单的开发模式有助于在AI领域快速发展的环境中进行实验和原型设计。

尽管如此，LangChain并非全无可取之处。另一位开发者Tim Valishev表示，他会继续使用LangChain一段时间，特别是因为Langsmith提供了开箱即用的可视化日志、Prompt playground和Prompt版本控制等功能。此外，LangChain对整个链的流式传输提供了良好支持，手动实现这些功能需要耗费大量时间。

总的来说，LangChain在早期开发阶段提供了便利，但其抽象设计在复杂需求下显现出局限性。开发者在选择框架时应权衡其抽象设计带来的复杂性与实际应用中的灵活性和生产力。