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。

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。

LangChain中的文档链是处理文档内容的核心组件，专门用于文档总结、问答、信息提取等任务。在LangChain 1.0+版本中，官方推荐使用LCEL（LangChain Expression Language）风格的链，它们更易于扩展和集成。

回退通常意味着用一个全新的响应来替换失败的响应，而这在流式传输中是做不到的。

在 LangChain 的流式输出场景中，常见的回退方案（如 with_fallbacks）在并不直接适用，核心难点在于，一旦流式传输开始，就无法简单地“撤回”已经发送给客户端的数据。

LangChain 中的 RunnableWithFallbacks 是一个用于错误处理和降级策略的核心组件，它允许为Runnable任务设置备选方案，确保在主要组件失败时能够优雅切换到备用方案。

本文档基于 LangChain v0.3+ / v1.0 官方推荐，聚焦于 BaseChatMessageHistory 及其主流持久化实现，以LangGraph 记忆、通用集成模式、记忆管理策略等，并更新了决策树和推荐路径。新项目应统一使用 LCEL + RunnableWithMessageHistory 构建有状态对话系统。

已弃用的旧版记忆类（如 ConversationBufferWindowMemory、ConversationSummaryMemory、VectorStoreRetrieverMemory 等）不再推荐使用。