# Чому я не користуюся LangChain? ( і що я роблю замість цього?

<!--category-- AI, Architecture, LLM, Agents, Systems Design, C# -->
<datetime class="hidden">2025-12-18T10:00</datetime>

Я ' я МSK1 програміст-програміст NET МSK2 Коли я почав будувати LLM - потужні системи \ , \ кожен підказував мені на Ланг-Шейн \ МSK5 \ \" \ Це \ ' \ це стандарт \ - МSK8 \ вони сказали \ "" МSK9 \, МSK10 \ Всі приклади використовують його \

Але ось це: МСК0 - це те, що я не роблю, МСК2 - не уникати Лангшоу тому, що він поганий. МСК4 - я уникати його, бо він вирішує проблеми, які я вже розв 'язую більш чітко. МSK5 - і для моїх прикладів використання. - - це локальний висновок, МSK8 - конфіденційність, , - детермінізм.

Це не МСК0 , а Анти-МСК1 , це пост про те, як розв 'язати проблеми, що лежать в ланцюжі . Це пост про "'", про те як зрозуміти, які системи розв' язують проблеми, і усвідомити, що вам їх не потрібно.

**Теорема: Якщо ви розумієте проблеми, що їх розв 'язує LangChain , ви не маєте МSK2 не потребуєте LangeChain**

[TOC]

## Що насправді робить LangChain добре

Дозвольте МСК0 бути чесним першим , ".". Ланг-Шейн досягає успіху у багатьох речах .

**швидке створення прототипів** - Ви можете отримати оперативну демонстрацію за кілька хвилин . Результати, отримані МSK2запущені приклади справді хороші

**Інтеграція екосистем Python** - Якщо ви ' ви вже в Pythonі МSK2 Джупітер МSK3 світ пандусів

**Сниження бар 'єру** - Для людей, які почали користуватись LLMs, це дає корисні абстракції : шаблони пропону МSK3 візерунки інструментів для вызову MSC4 управління пам 'яттю M SK5 вektorна інтеграція DB .

Лангшайн - це **прискорювач інтеграції**, це не обов 'язок ШІ . це пришвидшує шлях від МSK2 у мене є ідея МSK3 до M" в мене є демо-демо МСК5 те, що МСК6 цінний М СК7

Але це також те місце, де проблеми починаються для мене, як для забудовника будівельних систем

## Проблеми, які розв 'язує Ланг-Шейн

Перед тим, як відкинути структуру, вам потрібно зрозуміти, які проблеми вона вирішує.

1. **Контекст** - Збудувати послідовні пропони з схеми
2. **Оркестрація інструментів** - Zarządzanie багатьма вызовами інструментів у послідовності за допомогою умовної логіки
3. **Керування державою** - Утримування контексту розмови впродовж декількох поворотів
4. **Знову спробувати і виправити помилки** - Зновлення граційно, коли LLM генерує неправильний вихід
5. **Множество кроків** - Перетворення складних завдань на послідовні кроки МSK1модель СМСК2агент СМСК3MМСК4
6. **Обсервабельність** - Переслідування того, що насправді сталося під час страти

Це законні проблеми.

## Де Ланг-Шейн починає хворіти

Для моєї роботи: - будівляння, виробництво;

### Прихований стан і непрямий контроль

LangChain управляє пам 'яттю та контекстом для вас. Це звучить зручно, доки вам не потрібно деbugувати, чому ваш про prompt довший за очікуваний M SK1 टोकони , або чому LLM раптово має доступ до історії розмови, яку ви думали, що маєте

Framework об 'єднує пропони, управляє пам' яттю , і вказує на порядок виконання непередбачувано

### Cadre-Coupled Thinking

Як тільки ви приймете LangChain,, ви почнете проектувати **для LangChain**. Ваша архітектура з 'єднана до фреймворка ' абстракції МSK2 ланцюги

Це не є характерним для LangChain. МСК1 - всі системи роблять це. МSK2 - але в швидкому, рухомому полі, як-от LLM, МСК4 - де правильні абстракції не існує, МSK5 - ще не залагодили, , - зв 'язок з схемою, ММК7 - ризикований погляд на світ

### Похибка Impedance Python

Ланг-Шейн припускає:

- Довгий-живі процеси МSK1нотникM SK2задові робочі потоки)
- Не змінний глобальний стан
- Динамічне введення Python' і введення качок
- Блокування шаблонів I/O

Як програміст .NETM SK1 я припускаю

- Запроси-виміркованість тривалості життя (ASPM SK2NET Коренные шаблониМSK3
- Невідмінний або явно керований стан
- Сильне друкування і компіляція-безпека часу
- Async/ чекати всюди

І [Порти LangChain .NET](https://github.com/tryAGI/LangChain) існують, але вониM SK1 грають у пастку - з Python версією, і абстракції все ще відчуваються незнайомими для мовних CMSC4

### Нестачі реальності виробництва

Коли ви переходите від прототипу до виробництва, вам потрібно:

- **Детермінізм** - Те ж саме введення має призвести до передбачуваної поведінки
- **Випробовування** - Упевниться, що виведення LLM' є безпечним перед його виконанням
- **Сэндбоксинг** - Загасити, що може насправді зробити генерований код
- **Контроль витрат** - Використовування токенів та накладання обмежень
- **локальна деференція** - Запустити моделі без залежності від хмари

Ланг-Шейн оптимізує швидкість ітерації. МСК0, не жорсткий процес виробництва. МSK1, що. ММК2 - це штраф для демонстрацій. ММСК3 - це проблема для виробництва.

## Що я будую замість

Ось модель, яку я використовую **ЛЛМ - це об 'єктивні двигуни, а не виконання**

### LMs Do:

- **інтерпретація** - Усвідомлення змісту користувача з природної мови
- **Планування** - Перетворення складних завдань на кроки
- **Перетворення** - Перетворення наміру в структуровані формати

### МСМ не мають:

- **Комп 'ютерні агрегати** - Підсумок МSK1 рядків
- **Сканувати набори даних** - Поиск у великих файлах
- **Власне місце** - Утримування довгоїM SK1тривалої пам 'яті

Принцип: **Причина LLM. Машини обчислюють.**

Ця відокремлення підштовхує все, що я будую.

### Виражений контекст, Не магічна пам 'ять

Замість фреймворка-управлена пам 'ять, я будую контекст експлицитно за запитомM SK2

```csharp
public class QueryContext
{
    public List<ColumnInfo> Schema { get; set; }
    public List<Dictionary<string, string>> SampleRows { get; set; }
    public List<ConversationTurn> History { get; set; }
    public string UserQuestion { get; set; }
}
```

Кожна про prompt конструкція видна. МСК0 Я точно знаю, що надсилається до LLM, тому що я сам створив струну.

```csharp
private string BuildPrompt(QueryContext context)
{
    var sb = new StringBuilder();
    sb.AppendLine("You are a SQL expert. Generate a query based on:");
    sb.AppendLine();
    
    // Schema
    sb.AppendLine("Schema:");
    foreach (var col in context.Schema)
        sb.AppendLine($"  - {col.Name}: {col.Type}");
    
    // History (if any)
    if (context.History.Any())
    {
        sb.AppendLine("\nPrevious conversation:");
        foreach (var turn in context.History.TakeLast(3))
            sb.AppendLine($"  Q: {turn.Question} → SQL: {turn.Sql}");
    }
    
    // Current question
    sb.AppendLine($"\nQuestion: {context.UserQuestion}");
    sb.AppendLine("Generate SQL (no explanation, just the query):");
    
    return sb.ToString();
}
```

Немає прихованих станів. Немає магічної конкатенціїM SK1 Просто експлуатна конструкція струн . Коли це неправильне МSK3 Я знаю, чому

### Детерміністичні шари виконання

Замість того, щоб дозволити LLM виконувати що завгодно, я використовую його для генерації **намір**, тоді виконувати ці наміри за допомогою детермінативних двигунів

- **Машини SQL** (DuckDBM SK1 - Для запитів на дані
- **Поискові машини** (LuceneMSC1 Postgres повний-текстM SK3 - Для отримання dokumentu
- **Мотори правил** - Для логіки бізнесу
- **Доменні послуги** - Для перевірених операцій

LLM генерує SQL. DuckDB запускає цеM SK1 LLM ніколи не бачить даних:

```csharp
// LLM generates intent
var sql = await GenerateSqlAsync(context);

// Validate before execution
var error = ValidateSql(connection, sql);
if (error != null)
{
    // Retry with error feedback
    sql = await GenerateSqlAsync(context, previousError: error);
}

// Execute in sandboxed engine
var results = ExecuteQuery(connection, sql);
```

Це безпечніше, швидшеM SK1 і дебагується. LLM не може ' випадково працювати `DROP TABLE` тому що я підтверджую SQL першими.

## Конкретний приклад: Анализ CSV без рамок

Нещодавно я написав про [аналіз великих CSV-файлів за допомогою локальних LLM](https://mostlylucid.net/blog/analysing-large-csv-files-with-local-llms). Архітектура

**Питання користувача → LLM МSK1 SQL → DuckDB МSK3 Результати**

LLM отримує:

- skeма CSV (назви столбів та типиM SK1
- 3 зразки рядків МSK1 для розуміння формату даних
- Питання користувача'

LLM генерує:

- SQL-запитка DuckDB

Система тоді:

- Вивіряє SQL за допомогою `EXPLAIN` ( вловлює помилки синтаксису без виконання
- Виконає запитання проти файлу CSV
- Возв 'язує результати користувача

LLM ніколи не бачить справжніх даних. Він бачить лише структуруM SK1

Це те, що Лангчайн називає системою "агентом " МSK2, яка використовує LLM для генерації дій

За винятком того, що я збудував його в ~200 лініях CM SK1 без рамкиMSC2

```csharp
public class CsvQueryService
{
    private readonly OllamaApiClient _ollama;
    private readonly string _model;
    
    public async Task<QueryResult> QueryAsync(string csvPath, string question)
    {
        using var connection = new DuckDBConnection("DataSource=:memory:");
        connection.Open();
        
        // 1. Build context
        var context = BuildContext(connection, csvPath, question);
        
        // 2. Generate SQL
        var sql = await GenerateSqlAsync(context);
        
        // 3. Validate
        var error = ValidateSql(connection, sql);
        if (error != null)
        {
            // Retry once with error feedback
            sql = await GenerateSqlAsync(context, error);
        }
        
        // 4. Execute
        return ExecuteQuery(connection, sql);
    }
}
```

Це те, що: МСК0 - це воно. МСК1 Ніяких ланцюгів, МСК2 , ніяких агентних рамок, МSK3 , жодної магії, . . Просто експлицитно організувати LLM.

## Що таке агент

Термин """ - агент "" МSK1 "" постійно викидається з-за-ду "". МSK2 "" зазвичай означає "" LM "", тобто "" будь-що, що включає в себе LLM "".

Агентом є:

- **Кільця** - Він запускає багато повторень
- **З державою** - Він пам 'ятає, що він спробував
- **За допомогою інструментів** - Вона може діяти у світі
- **З зворотнім зв 'язком** - Він спостерігає за результатами і змінює

Агент **не в бібліотеці**МSK0 Це' це модельM SK2

Мій шаблон агента в C#:

```csharp
public class Agent
{
    private readonly List<ConversationTurn> _history = new();
    
    public async Task<string> RunAsync(string goal)
    {
        while (!IsGoalAchieved(goal))
        {
            // 1. Generate next action based on history
            var action = await GenerateActionAsync(goal, _history);
            
            // 2. Validate before executing
            if (!IsActionSafe(action))
            {
                _history.Add(new ConversationTurn 
                { 
                    Action = action, 
                    Result = "REJECTED: Unsafe action" 
                });
                continue;
            }
            
            // 3. Execute through deterministic tool
            var result = await ExecuteActionAsync(action);
            
            // 4. Record and continue
            _history.Add(new ConversationTurn { Action = action, Result = result });
        }
        
        return GenerateSummary(_history);
    }
}
```

Це агент. МСК0, МСК1, це петля з інструментами штату. МSK2, МSK3 і зворотнім зв 'язком. . Я написав її в рядках.

## Як працює Agent Framework Microsoft'

Для того, щоб бути чесним з . NET , Microsoft опублікувала [Microsoft Agent Framework](https://learn.microsoft.com/en-us/agent-framework/overview/agent-framework-overview) що "'" має на меті МSK1 , збудований для ".", для розробників NET, що будують системи виробництва штучного інтелекту

### Що має правильний механізм Microsoft Agent

Framework (, що раніше називалось Microsoft .Extensions МSK2AI

- **Виражена оркестрація** - Ви контролюєте ланцюг агентаM SK1 а не структуру
- **Сильне введення** - Комп 'ютерна комп' ютерна система МSK1безпека часу для визначення інструментів та вызову funkcji
- **Обсервабельність першого класу** - Сконструйований - в телеметрії МSK2 журналування МSK3 та розподілене відстеження через OpenTelemetry
- **Об 'ємні межі** - Предназначена для виробництва
- **Множество-моделей** - Абстракції на основі OpenAIM SK1 Azure OpenAI , Ollama МSK3 та інших провайдерів
- **Інтеграція семантичного ядро** - працює з ширшим набором штучного інтелекту Microsoft'

Головні компоненти:

- `IChatClient` - Об 'єднаний інтерфейс для завершення чату
- `IEmbeddingGenerator` - Вektorні вбудовані через провайдерів
- `AIFunction` - ТипM SK1безпечний дзвінок
- Трубопровод Middleware - Для журналуванняM SK1 пробування , шифрування МSK3 телеметрія

**Наприклад:**

```csharp
var builder = WebApplication.CreateBuilder(args);

builder.Services.AddChatClient(builder => 
    builder.UseOllama("llama3.2")
           .UseOpenTelemetry()
           .UseLogging());

var app = builder.Build();

app.MapPost("/chat", async (IChatClient client, string message) =>
{
    var response = await client.CompleteAsync(message);
    return response.Content;
});
```

### Там, де я досі залишаюсь нижче

Навіть з комп 'ютерною системою Microsoft' я краще залишаю яскраву оркестрацію

**Я не хочу**

- **Невидимими планувальники** - Cadre, який самостійно вирішує, який інструмент викликати
- **Вибір непрямого інструмента** - Магічне маршрутизування на основі описів природних мов
- **Похована логіка повторних спроб** - Cadre -managed error recovery I can't inspect

**Я хочу:**

- **Бажані петлі** - Я бачу кожну повторення у своєму коді
- **Проверячі кроки** - Я можу перевірити логіку прийняття рішень
- **Позамінні компоненти** - Я можу замінити LLM , інструменти МSK2 шар перевірки
- **Невизначеній стан** - Я точно знаю, що

Microsoft ' Agent Framework ближче до того, як я думаю, ніж LangChain. Він поважає МSK2 NET шаблони M SK3 правильно використовує ін 'єкцію залежності MSC4 і не бореться з екосистемою . Але я все ще люблю писати оркестрацію самі

**Коли використовувати Microsoft Agent Framework:**

- Збудувати чат-приложения з функцією виклику
- Потрібно багатохвильовий-моделейний atbalsts M SK1швидкіш між OpenAI, Azure , Ollama МSK4
- Хочете корпоративні характеристики (телеметріяM SK1 журнальність , розподілене відстеження МSK3
- Працювати в команді, яка надає перевагу послідовності кадрів
- Збудова на основі семантичного ядра

**Коли перейти до рамки-безM SK1**

- Потрібно повністю контролювати цикл агентів.
- Ви – МСК0 – створюєте індивідуальні моделі мислення
- Ви хочете, щоб абстракції були нульовими
- Ви' оптимізуєте для певних випадків використання M SK1 як аналіз CSV або веб-шрафтування )
- Ви хочете зрозуміти, як це працює

Framework не вирішує, що робити з архітектурними рішеннями. МСК1. Ви все ще самі вирішуєте, що ввести у контекст. МSK2. Як відокремити дані. ММК3. І коли їх переглянути. ММСК4. Це просто простіше водопроводи.

## Чому це покращує тривалість

Cadre- без систем вік кращий з кількох причин :

**Результати** - Ніяких абстракцій над głową . Моя служба CSV-запитів запускає підM SK2ms, тому що в ' немає фреймворка між LLM і DuckDB

**Упередбачуваність витрат** - Я точно контролюю, що йде до LLM . Ніхто не приховує про prompt інфляцію від фреймворка

**Розладнаність** - Коли щось зламається МSK1 Я МSK2 я виправляю свій код , не повертаюсь назад

**Prywatність** - Для систем, які мають жорсткі вимоги щодо придатності для зберігання даних , знаючи, що саме впливає на станок

**Інопланетні сценарії** - Пристрої на крайіM SK1 повітряні - замкнуті мережі M SK3 регулювальне середовище МSK4 Рамки приймають доступ до Інтернету та хмарні послуги .

**Регуляційне дотримання** МSK0 У сфері фінансів , охорони здоров 'я , та уряду МSK3 вам часто потрібно пояснити і перевірити кожну рішення

Чим більш обмежене ваше середовище, тим більше ви хочете чіткого управління.

## Коли я використовуватиму Ланг-Шейн

Для дезброєння критиків є легітимні випадки, коли я дістаюсь до Ланг-Шейна

**Хакатони** - Швидкість демонстрації має більше значення, ніж архітектура

**Викидні ПОК** - Якщо ви' підтверджуєте ідею і плануєте переписати її на виробництво,

**Python-важкі команди** - Якщо ваша команда вже Fluentна в Pythonі , екосистема міцна

**Концепції навчання** - LangChain ' абстракції можуть допомогти новачкам зрозуміти модель агента перед тим, як побудувати власну

Знаючи, коли **не** використовувати щось так само важливе, як знати, коли його використовувати.

## Поширена модель: Cadre vs. Перші принципи

Це не МСК0 , а Ланг-Шейн . МСК1 . Це "'", це компромісс між схемами і першими. МСК3, інженерія принципів.

Рамки пришвидшують знайомі проблеми. Якщо ви M SK1 будуєте 100 третю API CRUD МSK3 дістаєтеся до Entity Framework або Dapper. Patterns are settledMSC5

Але LLM-заsilaні системиM SK1 Правильні абстракції ще не зарегульовані '. Ми не знаємо M SK4 не знаємемо, чи МSK5ланцюги МSK6 або \ "агенти М SK8 чи \ МSK9ретривери " є правильними мисленними моделями MSC11 Ми \' все ще з 'ясовуємо це.

В такому середовищі я будую ближче до металу

- LLM через прямі API дзвінки (`OllamaSharp`, OpenAI SDKM SK1
- Проста конструкція за допомогою прямої конструкції струн
- Validation via domain-specific logic
- Виконування за допомогою призначення-вибудовані двигуни (SQL, пошукM SK3 і т.д.

Як . NET-розробник , у мене є сильні погляди на те, як треба будувати системи МSK2 експлуатна тривалість життя МСК3 сильний вказівник М СК4 асинк аж донизу MСК5 ін 'єкція залежності для перевірки МSК6

Ланг-Шейн, абстракції ' не map cleanly to those opinions. МSK2 Так що я не користуюся ними.

## Зйомка

Якщо ви - програміст .NET, який дивиться на LangChain і думає: "" МSK2? Мені це потрібно? МSK3? "", ось моя відповідь.

**Вам потрібно розв 'язати проблеми, що їх розв' язує LangChain** - управління контекстом , інструментарій оркестрування МSK2 логіка повторюваної спроби

**Вам не потрібно LangChain, щоб їх розв 'язати** - Особливо, якщо ви цінуєте чіткість , сильне надрукування МSK2 і згнічення виробництва над швидким створенням прототипів M SK3

Принцип, який я будую на :

**"LLMs причина . Машини комп 'ютерні МSK2 Оркестрація ваша**

Або простоше:

**" Якщо ви розумієте проблеми, що їх розв 'язує система, , вам часто не потрібно**

Побудуйте системи, які мають сенс у вашій екосистемі, з вашими обмеженнямиM SK1 за допомогою мови' ідиомівMSC3 Для менеMska4 щоMска5 CMске6 сильне введенняMSKA7 експлициальний контроль потокуM Ska8 та детермінативний інтерфейс виконанняМSK9

Для вас – МСК0 – це може бути інакше, МСК1 – і це – МSK2 – добре, МSK3

Мета - не уникати рамок. Мета - вибирати їх усвідомлено. Мета: зрозуміти, що вони дають і скільки коштують

---


**Дальне читання:**

- [Анализ великих CSV-файлів з локальною LLM в C#](/blog/analysing-large-csv-files-with-local-llms) - Конкретний приклад SQL без фреймворків
- [Перехоплення та аналіз веб-контенту з LLM](/blog/fetching-and-analysing-web-content-with-llms) - Веб-скапування та аналіз без рамок
- [Microsoft Agent Framework Documentation](https://learn.microsoft.com/en-us/agent-framework/overview/agent-framework-overview) - офіційна база агентів Microsoft для .NET
- [Microsoft.Extensions.AI](https://devblogs.microsoft.com/dotnet/introducing-microsoft-extensions-ai-preview/) - Фундаментальні абстракції штучного інтелекту для .NET
- [Семантичний ядро](https://github.com/microsoft/semantic-kernel) - Microsoft's LLM оркестрування SDK
- [Документація LangChain](https://python.langchain.com/) - Для того, щоб зрозуміти, що ви' вирішили не використовувати
- [Оллама-Шарп](https://github.com/awaescher/OllamaSharp) - CM SK1 klient для локального висновку LLM