LangChain和LlamaIndex是构建LLM驱动应用程序的两种主要Python框架。两者都被广泛使用；两者都有显著的权衡。以下是诚实的比较。
LangChain是什么
LangChain（2022年10月推出）是通过将组件链接在一起构建LLM应用程序的框架：LLM调用、文档加载器、文本分割器、向量存储、内存、代理和工具。价值主张：为许多LLM提供商、工具和集成提供统一接口，否则需要自定义粘合代码。LangChain增长迅速，集成覆盖范围广——它支持OpenAI、Anthropic、Google、Cohere和几十个其他模型，以及几乎每种向量数据库和数据源。LangChain表达式语言（LCEL）是组合链的现代语法。
LlamaIndex是什么
LlamaIndex（前身为GPT Index，2022年11月推出）专注于构建RAG系统和数据索引管道。它比LangChain更专业和固执己见：其主要用例是将你的数据（来自文件、数据库、API）索引到可以高效检索然后用LLM查询的结构中。LlamaIndex为复杂索引结构（分层文档摘要、知识图谱结合向量搜索、多文档推理）提供更好的原生支持，并有更经过实战检验的检索管道。它不太适合超出检索范围的基于代理的工作流或复杂的多步骤链。
诚实的比较
使用LangChain用于：代理（使用工具并做出决策的ReAct风格代理）、复杂的多步骤管道、需要许多不同集成的项目，以及重视大型生态系统和社区的团队。使用LlamaIndex用于：检索质量是主要关注点的RAG应用程序、规模化文档问答、具有复杂文档层次结构的知识库，以及需要高级检索技术时（查询路由、假设文档嵌入、句子窗口检索）。这两个框架有显著重叠，但每个框架都有明显更强的领域。许多生产应用程序同时使用两者：LlamaIndex用于检索层，LangChain（或自定义代码）用于代理/链层。
异见：不用框架
最有经验的AI应用程序开发者越来越争论，对于大多数应用程序，两个框架都增加了复杂性而没有相应的价值。替代方案：直接编写对LLM提供商和向量数据库的API调用，用50到100行Python实现RAG管道，避免频繁变化并增加抽象开销的框架依赖。反对框架的论点：LangChain和LlamaIndex都在主要版本之间有实质性的API变化，造成显著的维护负担。对于简单到中等复杂度的应用程序，带有最小抽象的直接API调用通常比基于框架的同等产品更容易调试、维护和理解。
