理解LangChain与AI编程的新范式

最近在学习 LangChain，一个用于构建大语言模型（LLM）应用的 Python 框架。虽然不可能学得很精，也没有实际去操作配置，但经过这次学习，让我理解了一种新的编程方式。

代码是工具，不是逻辑本身

以前的编程，代码是主角，程序按照写好的逻辑一步步执行。但 AI 时代不一样了——你可以用代码去限制，但 AI 同时具有非常大的灵活性和知识性。一个程序并不是完全限制死的，真正的代码只是构建给 AI 使用的工具，以及规范 AI 输入输出数据的结构。

因为有这样的能力，AI 可以很好地访问内部知识、数据、工具，也能实时访问最新信息。因为有结构化的输出，你也能把输出结果返回到内部数据中去，形成闭环。

对企业的价值

这对于企业来说非常有用——既能使用 AI 的强大能力，又能很好地嵌入自己内部的工作流中。不用把所有业务逻辑都写成代码，而是让 AI 在一个结构化的框架里灵活处理各种场景。

代码量不多，思维门槛不低

而且，这门技术的代码量并不多，最主要的是需要工程化的思维，要能精准地给到 AI 对应的提示词。

这让我理解了一件事——为什么现在 Agent 升级频率这么高。就比如我现在用的 QClaw，升级频率基本是日级别的。因为你可能发现结果不好，去调整了一个提示词，都算是一次升级，对于 Agent 的输出效果差别会非常大。

理解比会用更重要

我想理解这些是有好处的。理解了，你就能知道 Agent 能做到什么——其实编程用的是 Python，用 AI 编程是很快的。关键是你得有一个要解决的问题，用这个问题去驱动实践。

有问题，才有答案。