LangChain 於二零二六年十一月十一日發布 1.5.0,這個累積 149,365 顆星標的代理框架,把模型路由與工具風險攔截兩組中間件由外部套件移入主套件,並終止支援已停止維護的 Python 3.10,最低版本提升至 3.11。

同日發布的 langchain-core 1.8.0 加入決策模型介面,把二元判斷、分類選擇、評分與位置定位統一成一組可組合題型。兩個套件的最小版本互相綁定:langchain 1.5.0 要求 core 至少 1.8.0,仍停留在 Python 3.10 的專案則會解析到 1.4.x 系列。

LangChain 1.5.0 是什麼?
它是 LangChain 框架的主套件版本,以 middleware(中間件)為擴充單位,在代理執行流程的前後插入模型選擇、風險攔截、工具重試與上下文壓縮等行為。
專案建立於二零二二年十月,以 Python 撰寫,採用 MIT 授權,目前有 924 位訂閱者與 732 個待處理議題。它的定位已由早期的鏈式呼叫工具,轉為代理工程平台,核心是 create_agent 搭配可插拔的中間件層。
中間件目錄下現有二十個公開模組,涵蓋工具重試、模型備援、呼叫次數上限、摘要壓縮、待辦清單、個人資料偵測與沙箱執行。本次版本把原本獨立在 langchain-typesafe 的兩組中間件納入同一命名空間,讓使用者改由 langchain.agents.middleware 匯入。
為何這個版本終止支援 Python 3.10?
因為 Python 3.10 已達生命週期終點,官方停止接收安全性修補。維持相容會迫使套件長期帶著舊版分支,故此次直接提高最低版本要求。
版本說明寫得直接:1.5.0 移除對 Python 3.10 的支援,最低支援版本為 3.11,同時要求 langchain-core 至少 1.8.0。仍使用 3.10 的專案在安裝時會自動解析到 1.4.x,不會被強制中斷,但亦不會取得新功能。
這種做法在開源生態常見,代價落在維護方之外。企業內部的執行環境若綁定舊版直譯器,升級前需先協調基礎映像與相依套件,否則會停留在舊分支而被動承接後續的安全風險。
決策模型解決什麼問題?
它把語言模型的判斷輸出約束成四種帶機率與信心的結構化答案,讓程式可以按門檻決定後續行為,避免直接解析自由文字造成的格式不穩定。
langchain-core 1.8.0 新增的 langchain_core.decisions 模組定義了四種題型。Noul 回答一個是或否的機率,取值範圍為零到一。Choice 從給定的候選標籤中選一個,並附上完整機率分佈與信心值。Score 在有序評分表上給出期望位置。Box 則回傳圖像中目標區域的四邊座標,以長寬比例表示。
答案解析後仍保留分佈,應用可以自訂門檻,不必照抄供應商的預設值。介面以 BaseDecisionModel 為基底,繼承者可實作同步的 _classify,需要時再補非同步版本,其餘如回呼、追蹤與詞元統計由基底類別處理。
官方文件把適用場景寫得很清楚:分類、路由、風險評估與人工覆核的前置篩選。它的價值在於把「模型覺得怎樣」變成可量測的數字,而不是一段需要正則表達式拆解的句子。
ModelRouterMiddleware 如何選擇模型?
它在代理執行前只分類最後一則人類訊息一次,把選中的標籤與機率存入代理狀態,該次執行的所有模型呼叫都改用對應模型,中途不再重新判斷。
路由設定由兩部分組成。ModelChoice 描述一個可用模型與適用任務的判準,模型可以傳入字串交由 init_chat_model 解析,也可以直接傳入模型實例。instructions 則指示分類器在選擇時應遵循的原則,例如優先採用成本最低且足以勝任的模型。
分類結果以 ChoiceAnswer 形式寫入代理狀態的 model_route 欄位,之後每次模型呼叫都經過 wrap_model_call,把請求的模型替換為所選模型。單次分類的設計控制了成本,也令同一輪對話的模型保持一致,避免前半段與後半段由不同模型接續而語調跳動。
失敗處理方式是此設計的關鍵取捨。分類器出錯時錯誤會向上拋出並終止該次執行,不會默默退回預設模型。這個選擇讓故障顯而易見,代價是多了一個必須可用的外部依賴。若需要把路由限制在免費模型池內,可參考 FreeLLMAPI 的配額導向路由設計。
AutoModeMiddleware 如何在工具執行前攔截?
它只審查明確列入清單的工具,在執行前向決策模型詢問「這次呼叫是否具風險」,機率達 0.5 或以上即回傳錯誤訊息,工具本體不會被呼叫。
預設的風險判準寫得相當嚴格。工具描述與參數一律視為資料而非指令,只有明確的使用者訊息可以授權執行;破壞性操作、憑證存取、對外分享、安全繞過、持久化與受保護資源的變更,全部歸類為有風險。
分類器收到的輸入包含待執行的工具呼叫、工具描述,以及最近三十則訊息。未列入清單的工具直接放行,不進入分類。被攔截時回傳的是錯誤型態的工具訊息,內容包含工具名稱與風險機率,代理可據此改走其他路徑。
必須留意的是它只負責阻擋,不負責取得人工同意。需要暫停等待人工確認的場景,仍要搭配既有的中斷機制。兩者職責不同:一個是自動否決,另一個是停下來問人。
兩個中間件有哪些限制?
兩者都標記為 beta,介面可能隨時變動;分類器需自行接入供應商,路由只依最後一則人類訊息判斷,長對話中的前期任務描述不會被納入。
路由只看最後一則人類訊息,這是明確的簡化。若任務描述分散在多輪對話,較早的約束條件不會進入分類視野。專案對缺少人類訊息的狀態直接拋出錯誤,也意味著由排程或事件觸發的無人身分流程需另行處理。
風險攔截的門檻固定為 0.5,未開放設定。對於後果嚴重的操作,這個門檻偏寬鬆;對於唯讀操作,則可能出現不必要的阻擋。開發者可透過自訂指令與判準調整行為,但無法直接改動臨界值。
分類器方面,目前有兩條路徑。官方合作套件提供 OpenAI 決策模型實作,另一條是 TypeSafe 的分類器,需設定環境變數後使用。langchain-typesafe 0.1.0 同日發布,其舊有的實驗性中間件路徑已標記棄用,預計在 0.2.0 移除。
如何升級到 1.5.0?
先確認直譯器為 3.11 以上,再同步升級 core 至 1.8.0 與主套件至 1.5.0,最後把舊的 typesafe 中間件改由主套件匯入。
第一步是檢查執行環境。虛擬環境、容器映像與持續整合設定三處都要確認直譯器版本,任何一處停留在 3.10 都會令升級無法生效。
第二步是同步兩個套件。langchain 1.5.0 要求 core 至少 1.8.0,若只升級其中一個,套件管理員會解析出彼此不相容的組合。建議在同一次提交中固定兩者版本,並保留鎖定檔。
第三步是改寫匯入。舊路徑 langchain_typesafe.experimental.middleware 已棄用,應改為 from langchain.agents.middleware import AutoModeMiddleware, ModelRouterMiddleware,並以參數傳入分類器實例。這一步改動幅度小,但若沿用舊路徑,未來升到 0.2.0 時會直接中斷。
LangChain 的專案數據如何?
專案現有 149,365 顆星標、25,108 次分叉、924 位訂閱者與 732 個待處理議題,以 Python 撰寫並採用 MIT 授權,最近一次提交在十一月十一日。
- 149,365GitHub 星標
- 25,108分叉次數
- 924訂閱者
- 732待處理議題
發布節奏相當密集。單看 core 套件,十一月四日為 1.7.5,十一月五日 1.7.6,十一月十日 1.7.7,十一月十一日 1.8.0,一週內推進四個版本。主套件則在十一月四日與十日各推出修補版,十一日跟進 1.5.0。

待處理議題維持在七百餘個,與每週合併大量外部貢獻的模式一致。對導入方而言,這個數字同時提示應在鎖定檔中固定版本,並在升級前先跑一次既有測試,因為修補版之間亦可能夾帶行為變更。
出處連結有哪些?
原始碼、版本說明與議題追蹤位於 GitHub 的 langchain-ai/langchain 儲存庫,官方文件站點提供中間件與決策模型的用法說明。
版本說明列出本次合併的四項變更與一項文件補充,並附上與 1.4.10 的完整差異連結。決策模型的題型定義位於 core 套件的 decisions 目錄,兩個中間件的實作則在主套件的 agents/middleware 目錄,兩處皆有對應的單元測試。上一輪的 core 1.7 改動集中在工具呼叫串流,可對照 LangChain Core 1.7 的串流修正。
總結:哪些團隊適合升級?
已將代理投入生產、需要控制模型成本或限制高風險工具呼叫的團隊最適合;仍在原型階段且直譯器為 3.10 的專案,可等待環境整理完成後再跟進。
這次版本的實質變化不在功能數量,而在責任分配的位置。模型選擇與工具審查過去散落在應用程式碼裡,現在被收進框架的中間件層,成為可設定、可觀測的組件。
代價是依賴增加。路由需要一個可用的分類器,攔截需要一個判斷準確的分類器,兩者都引入外部服務與額外延遲。對於工具數量少、任務型態固定的專案,硬編碼的模型選擇仍然更直接。
值得留意的是設計上的兩個保守選擇:路由只分類一次,攔截只阻擋不求人。兩者都把複雜度推回應用層,換取行為的可預測性。這種取捨是否合適,取決於團隊願意為可預測性付出多少自訂成本。