Memory（记忆）作为LangChain框架的核心组件，解决了大语言模型无状态交互的痛点，通过跨线程的命名空间（namespace）管理，实现了对话历史、用户画像及行为习惯的持久化存储。

为 LangChain 智能体添加长期记忆，使其能够在不同对话和会话之间存储和回忆数据。

长期记忆可以让智能体能够跨不同的对话和会话存储和回忆信息。

使用 Tools(工具) 访问和修改智能体的短期记忆。可以设置在模型调用前，或调用后访问记忆。

记忆（Memory）是一个能够记住先前交互信息的系统。对于 AI 代理（Agent）而言，记忆至关重要，因为它使得代理能够记住之前的交互、从反馈中学习，并适应用户的偏好。

随着代理处理的任务日益复杂、与用户交互次数的增多，这种能力对于提升效率和用户满意度都变得不可或缺。

短期记忆（Short-term Memory） 让应用程序能够记住单个线程（thread）或对话中的先前交互。最常见的短期记忆形式就是对话历史（Conversation history）。

当Tool（工具）能够访问运行时信息（如对话历史、用户数据和持久内存）时，它们的功能最为强大。

LangChain社区提供了大量官方预置的工具和工具包，开箱即用，覆盖了许多常见的任务场景。可以在 LangChain 的官方文档中找到这些预置工具的详细列表和使用方法。

LangChain 预置工具最推荐的集成方式是通过 create_agent API 将它们统一绑定给 LLM。Agent 会根据用户的问题自主判断、调用并执行最合适的工具，最终整合成完整回答。

LangChain的 Tool（工具）就像给大语言模型这类“大脑”装上了“手和脚”。大模型本身只能输出文本，但通过工具系统，它能够与外部世界互动，执行诸如搜索、调用API、读写文件等具体操作，从而突破自身能力的局限

LangChain的消息系统是结构化对话管理的核心组件，通过明确区分角色和上下文，使大模型能精准处理多轮对话与工具调用。

其核心是四种基础消息类型（SystemMessage、HumanMessage、AIMessage、ToolMessage），官方文档明确要求必须使用类型化消息对象而非原始字典，以确保跨模型兼容性和功能完整性。

LangChain 已从一个简单的链式调用库，发展为包含多个开源框架的全链路完整生态，涵盖了开发→编排→部署→监控。

LangChain 1.0 是一次重大的架构重构，其核心定位已从方便调用的“工具集”，转变为面向生产的“智能体工程框架”。

本文章是基于LangChain 1.0+版本的定义和特性的描述。

LangChain 1.0+ 官方文档和路线图中没有直接定义或描述“LEDVR” 这个术语。

目前 LEDVR 这个词主要出现在一些中文社区博客和技术文章中，是对RAG（检索增强生成）流程节点的概述。而官方的英文术语中，一般用 RAG（检索增强生成）来描述从文档加载到向量检索的端到端数据预处理流程。