LangChain 完成 1.25 亿美元融资，估值 12.5 亿美元并发布 langchain 1.0

作者：Harrison Chase

差不多整整 3 年前，我把最初的几行代码作为开源包推送到了 langchain。当时还没有公司，也没有关于这个项目会变成什么的宏大计划。

一个月后，ChatGPT 发布，langchain 的一切都变了。它迅速走红，成为构建你自己的 LLM 驱动应用的首选方式。在过去三年里，行业已经成熟，从原型聊天机器人走向将能实际做事的智能体投入生产，而 langchain 也演变成了 LangChain 这家公司。

我们的产品线也扩展了：从一个单一的 Python 开源包，发展成一个多语言智能体生态系统，包含多个流行的开源包以及一个独立的商业平台（LangSmith）。我们的技术为 Rippling、Vanta、Cloudflare、Replit、Harvey 等领先公司的智能体提供支持，还有成千上万家其他公司。

今天，我们宣布完成 1.25 亿美元融资，估值 12.5 亿美元，以延续这一发展轨迹，扩展智能体工程平台 LangSmith，并扩大我们的开源贡献。我们在公告博客中进一步阐述了我们对 LangSmith 的愿景以及今天发布的其他内容。

在如此大规模的融资公告之际（也正值最初 langchain 发布三周年前夕），我也想花点时间分享我的看法：智能体在过去三年里如何演变，我们如何跟上步伐，如何努力回应关于最初 langchain 的公正反馈，以及公司未来的方向。

从副业项目开始

langchain 于 2022 年秋季作为单个（800 行长的？）Python 包从我个人的 GitHub hwchase17 发布。它当时只是一个副业项目。我受到参加聚会、遇到一些走在最前沿、用语言模型做一些实验性东西的人的启发。我立刻被这项技术吸引，但不能说自己当时对 LLM 会变得多么庞大有任何概念。我看到人们在构建方式上有一些常见模式，于是把这些模式放进了 langchain。

最初发布之后，我不断迭代它，主要增加了两件事：(1) 更多与各种 LLM、向量数据库等的集成；(2) 更多高层“模板”，用于在 5 行代码内开始使用 RAG、SQL 问答、提取等。早期的 langchain 很大一部分是在试验提示技术，我们和这个领域里的其他构建者一起摸索。

除了需要大量集成之外，从一开始就很清楚，LLM 会有很多选择。尤其是在一个动态变化的行业中，帮助用户选择模型并在之后改变这一决定极其重要。模型中立性仍然是我们产品的主要优势之一。

成立公司

随着这个领域（以及 langchain）爆发式增长，我开始与我的联合创始人 Ankush（也是一位比我优秀得多的工程师）更紧密地合作。我们开始隐约意识到是什么会推动我们创办一家公司，而那份早期灵感至今仍是我们专注的方向：

LLM 是这项伟大的、具有变革性的新技术。当它们连接到外部数据和 API 时，会变得更加强大。我们称这些系统为智能体。而事实证明，构建可靠的智能体相当困难！当有如此多的前景，但实现这一愿景又如此困难时，就存在着巨大的机会去提供帮助。我们过去（现在仍然）决心构建最好的工具，帮助他人构建可靠的智能体。我们知道其中一些需要的工具是什么，也还不知道另一些会是什么。我们的目标是弄清楚未来的智能体是什么样子，然后构建工具帮助它们成为现实。

我们在 2023 年 2 月创立了公司，当时就知道 langchain 只是我们将要构建的第一个工具。

推出 LangSmith

我们看到开发者面临的最大问题是，这些 LLM 系统存在质量问题。LLM 调用总是出错，很大程度上是因为它们获得了错误的上下文。为了让它们更可靠，你需要对进入 LLM 的上下文进行可观测性分析，并且需要一种方法来测试：一旦你修改了该上下文，它是否真的带来了改进。

LangSmith 就是我们对这个问题的回答——面向 LLM 系统的可观测性和评估，我们在 2023 年夏天推出了 beta 版本。值得注意的是，我们让 LangSmith 与 langchain 完全分离。我们认识到这个领域还非常早期，像 LangSmith 这样的工具非常需要，因此我们承诺将 LangSmith 打造为一流工具，无论开发者使用什么框架（或者不使用框架）。LangSmith 对 LLM 保持中立，对底层框架也保持中立，这符合我们开放且可组合的工具理念。

推出 LangGraph

大约在 2023 年夏天，我们开始收到很多关于 langchain 的负面反馈。有些问题我们可以解决：比如防止破坏性变更、让隐藏的提示词显式化、包体积膨胀、依赖冲突、过时的文档。但有一条反馈更难处理——人们想要更多控制权。虽然 langchain 是最快的入门方式，但我们用能力换取了易用性。langchain 中那些让入门变得容易的相同高层接口，现在当人们试图自定义它们以投入生产时，却成了阻碍。

我们在那个夏天开始开发 LangGraph，并于 2024 年初推出。我们重点关注两大支柱：

可控性：没有隐藏的提示词，没有隐藏的上下文工程。你对系统拥有完全控制权——无论是工作流、智能体，还是介于两者之间的任何东西。
运行时：我们把关于生产运行时所需的一切知识（流式处理、状态性、人在回路、持久化执行）都学以致用，并以第一方的方式构建到 LangGraph 中。

LangGraph 的灵感来自最初 langchain 的局限性。来自 LinkedIn、Uber、J.P. Morgan 和 BlackRock 等公司的生产验证给了我们信心，让我们相信自己正朝着正确的方向构建。

重新审视 LangChain

几个月前，我们决定从头重新审视 langchain。虽然我们看到 LangGraph 被大量采用，但它确实有更高的学习曲线，而人们对 langchain 那种令人难以置信、持续不减的热情让我们相信，行业中仍然存在 langchain 正在满足的需求。我们对重新构想的 langchain 有三个目标：

让开始构建智能体尽可能简单
允许比之前更多的自定义
为它提供一个生产就绪的运行时

我们知道这种方法需要对 langchain 进行大规模的破坏性更改。我们决定最好在 1.0 版本中完成。我们通过以下方式实现了目标：

聚焦于如今已成为“智能体”代名词的核心工具调用循环。
引入中间件这一新概念，它经过独特设计，让开发者能够在他们需要的地方精确控制“上下文工程”生命周期。
构建在 LangGraph 之上，这是一个支持流式处理、持久执行、人在回路等功能的运行时。

我们相信今天发布的 langchain 1.0 实现了我们为其设定的目标，更重要的是，让超过一百万开发者的社区更清楚地看到我们所坚持的方向。如今，人们对智能体架构最佳模式的理解远比我们启动项目时深刻得多，而 1.0 比我们团队以往发布的任何东西都更加精雕细琢。此外，我们还上线了一个全新的集中式文档站点，这已经让大家期待已久了！我们听到了你们的声音。

对于今天使用 langchain 的数百万开发者（每月下载量达 8000 万次！），我们也保留了 langchain 0.x 作为 langchain-classic，并承诺长期支持它。

将 LangSmith 演进为智能体工程平台

LangSmith 的核心一直是可观测性和评估，但这并不是构建可靠智能体所需的全部工具。我们开始尝试通过“LangGraph Platform”将更多功能引入平台，该平台专注于部署。展望未来，我们看到了许多可以帮助客户的新方式，我们希望将 LangSmith 打造成一个可以获取大部分构建可靠智能体工具的统一平台。今天，我们将部署功能引入 LangSmith，并将 LangSmith 打造为全面的智能体工程平台。未来我们将在 LangSmith 中添加其他产品线，并致力于让每个新产品独立于现有产品，同时又能很好地集成到平台中。

未来的智能体

我们的目标是弄清楚未来的智能体是什么样子，并构建工具来促成这一点。我们知道其中一些组成部分是什么（如 LangGraph 这样的智能体运行时、可观测性、评估）。对于其他组成部分，我们有一些正在积极探索的猜想。我们也完全预期会有其他组件，在当下这个时刻，我们无法想象它们会是什么样子——这使得这段旅程极其有趣且充满回报，我们预计这将持续很长时间。

如果你对我们如何调整工具以更好地构建未来的智能体有反馈，请在 X 上告诉我。我感谢每一条反馈，因为我们知道我们的产品必须不断演进。

如果你在构建未来的智能体时需要合作伙伴——请联系我们。我们很幸运能与 Vanta、Rippling、Replit、Clay、Cisco、Workday 等众多优秀公司合作，也希望能与更多推动可能性的团队合作。

如果你想帮助我们完成构建未来智能体的使命——我们正在招聘，基本上所有职位都在招。