企业官网建设流程全解析

LangChain 1.0 迁移指南：哪些 API 变了，怎么改

LangChain 1.0 是一次"整理"式的发布：
把 0.x 时代积累的多套写法收敛成一套，
把散落的入口归并，把"隐式魔法"改成"显式配置"。

一、1.0 的核心变化

大方向：少即是多。由多个"能做同一件事"的 API，收敛成一个。

二、Agent 的变化（影响最大）

0.x 的写法（有多套）：

# 写法 A：initialize_agentagent=initialize_agent(tools,llm,agent="zero-shot-react-description")result=agent.run("查一下北京的天气")# 写法 B：AgentExecutor + create_react_agentagent=create_react_agent(llm,tools,prompt)executor=AgentExecutor(agent=agent,tools=tools)result=executor.invoke({"input":"..."})

1.0 的写法（统一）：

fromlangchain.agentsimportcreate_agent agent=create_agent(model="openai:gpt-4o-mini",tools=[get_weather,search_web],system_prompt="你是一个助手，回答前先确认信息是否足够。",)result=agent.invoke({"messages":[{"role":"user","content":"查一下北京的天气"}]})print(result["messages"][-1].content)

三个显著差异：

1. 返回值是消息列表，不再是裸字符串。要拿文本得取result["messages"][-1].content。
2. 模型可以用字符串简写（"openai:gpt-4o-mini"），不需要先实例化 ChatOpenAI。想要更多控制仍然可以传对象。
3. 内置了短期记忆——传thread_id即可，不需要手动包裹RunnableWithMessageHistory：

result=agent.invoke({"messages":[{"role":"user","content":"..."}]},config={"configurable":{"thread_id":"user-123"}},)

三、记忆的变化

0.x：三层套娃

fromlangchain_community.chat_message_historiesimportRedisChatMessageHistoryfromlangchain_core.runnables.historyimportRunnableWithMessageHistorydefget_history(session_id):returnRedisChatMessageHistory(session_id,url=REDIS_URL)chain_with_history=RunnableWithMessageHistory(chain,get_history,input_messages_key="question",history_messages_key="history",)

1.0：把"持久化后端"变成可插拔的配置

fromlanggraph.checkpoint.redisimportRedisSaverfromlangchain.agentsimportcreate_agentwithRedisSaver.from_conn_string(REDIS_URL)ascheckpointer:agent=create_agent(model=llm,tools=tools,checkpointer=checkpointer,# 记忆后端直接声明)result=agent.invoke({"messages":[...]},config={"configurable":{"thread_id":"user-123"}},)

变化的核心：记忆从"你要手动包装"变成"Agent 的内建能力"。

四、create_agent里能配什么

fromlangchain.agentsimportcreate_agentfromlangchain.agents.structured_outputimportToolStrategy agent=create_agent(model=llm,tools=[a,b,c],# ① 系统提示system_prompt="你是客服助手，回答简洁。",# ② 记忆后端checkpointer=checkpointer,# ③ 跨会话长期记忆store=InMemoryStore(),# ④ 结构化输出response_format=ToolStrategy(MySchema),# ⑤ 中间件（1.0 的新概念）middleware=[summarization_middleware,retry_middleware],# ⑥ 控制细节name="customer_agent",)

middleware是 1.0 新增的抽象——用来插"在模型调用前后做的事"：

fromlangchain.agents.middlewareimportbefore_model,after_model@before_modeldefsummarize_if_long(state,runtime):"""消息太长就先摘要"""ifcount_tokens(state["messages"])>8000:return{"messages":[summarize(state["messages"][:-5])]+state["messages"][-5:]}returnNone@after_modeldeflog_cost(state,runtime):"""记录本次调用的成本"""log.info("model_called",tokens=...)returnNoneagent=create_agent(model=llm,tools=tools,middleware=[summarize_if_long,log_cost])

这比 0.x 里"在链上挂回调"更结构化。

五、结构化输出的变化

0.x：解析器 + 格式说明

fromlangchain_core.output_parsersimportPydanticOutputParser parser=PydanticOutputParser(pydantic_object=MySchema)prompt=ChatPromptTemplate.from_template("回答问题。\n{format_instructions}\n问题：{question}").partial(format_instructions=parser.get_format_instructions())chain=prompt|llm|parser

1.0：直接在 Agent/模型上声明

frompydanticimportBaseModelclassAnswer(BaseModel):conclusion:strconfidence:floatsources:list[str]agent=create_agent(model=llm,tools=tools,response_format=ToolStrategy(Answer))result=agent.invoke({"messages":[...]})print(result["structured_response"])# Answer 实例

变化：不用再往提示词里塞format_instructions，框架负责。

六、LCEL 的变化：基本没变

好消息是LCEL 语法几乎完全兼容：

chain=prompt|llm|StrOutputParser()# 1.0 里依然有效

但推荐场景变了：

规律：确定的流程用 LCEL，动态决策用图/Agent。

七、迁移步骤

① 先升到 0.3 并清掉警告

1.0 的大部分改动在 0.3 就埋了废弃警告。先在 0.3 上把所有DeprecationWarning清掉：

python-Werror::DeprecationWarning-c"import your_app"2>&1|grep-ideprecat

② 替换 Agent 相关代码

initialize_agent(...) → create_agent(...) AgentExecutor(...) → 不再需要（create_agent 自带循环） create_react_agent(...) → create_agent(...)

③ 替换记忆

删掉RunnableWithMessageHistory，改用checkpointer：

# 删掉chain_with_history=RunnableWithMessageHistory(chain,get_history,...)# 换成agent=create_agent(model=llm,tools=tools,checkpointer=checkpointer)

④ 改返回值处理

# 旧answer=executor.invoke({"input":q})["output"]# 新answer=agent.invoke({"messages":[("user",q)]})["messages"][-1].content

⑤ 更新依赖

pipinstall-U"langchain>=1.0""langchain-core>=1.0""langchain-openai>=1.0"

八、几个容易卡住的点

①output键没有了。

大量代码在result["output"]上取值。全局搜一遍["output"]：

grep-rn'\["output"\]'--include="*.py".

② 消息格式统一。

旧代码里常见{"input": "..."}、{"question": "..."}这类自定义键。1.0 的 Agent 统一用messages：

# 旧executor.invoke({"input":"问题","chat_history":history})# 新agent.invoke({"messages":history+[("user","问题")]})

③return_intermediate_steps不同。

旧代码靠这个参数拿中间步骤。1.0 里中间步骤本来就在messages里：

result=agent.invoke({"messages":[("user",q)]})forminresult["messages"]:ifm.type=="tool":print("工具结果：",m.content)elifm.tool_calls:print("调用了：",[tc["name"]fortcinm.tool_calls])

④ 自定义 Agent 需要重写。

如果你实现了自定义的BaseSingleActionAgent，1.0 里这套接口变了。通常更好的选择是改用 LangGraph 显式建图——表达能力更强，也更可控。

⑤ 部分 community 集成滞后。

一些冷门的 community 集成可能还没适配 1.0。先在测试环境验证，别直接上生产。

九、值不值得升级

值得升：

• 你在用 AgentExecutor（0.x 的 Agent 在可观测性和可控性上确实弱）
• 你想用上内建的 checkpoint / 流式 / 结构化输出
• 你想统一项目里的写法（0.x 项目通常混着三四种风格）

可以等等：

• 项目稳定、没有新需求、升级风险大于收益
• 依赖了大量冷门 community 集成

通用建议：先把 0.3 的废弃警告清干净，这是几乎无风险的准备工作；等 1.x 生态稳定后再切主体代码。

十、小结

# 1.0 的核心入口fromlangchain.agentsimportcreate_agent agent=create_agent(model=llm,tools=tools,system_prompt="...",checkpointer=checkpointer,# 记忆store=store,# 长期记忆response_format=Schema,# 结构化输出middleware=[...],# 中间件)

五条迁移要点：

1. AgentExecutor → create_agent 2. RunnableWithMessageHistory → checkpointer 3. 返回值取 messages[-1].content 4. 记忆/结构化输出变成声明式配置 5. LCEL 基本不变

1.0 最大的价值不是新功能，而是"只有一种正确写法"。对维护者来说，这比任何单个特性都重要。