13 · langchain_core 全地图：那个”地基包”里到底有什么
本片目标：把 langchain_core 的 36 个模块全部过一遍——哪些你已天天用、哪些以后用得上、哪些是历史包袱要避开。学完你能看着任何from langchain_core.xxx import yyy说出它属于哪一族、干嘛的。 新增规定性：—（本片不新增概念，是对前 12 篇用过的模块做全景收束——规定性展开链条的一次”中场盘点”） 数据字典：36 个模块 + 5 大家族 + 每个模块的核心类清单（实测）。 进程线程模型：无网络、无并发——纯代码阅读 + 一次dir()检查。 网络模型：0 网络请求。
1. 上集回顾
第 12 篇我们钻进了langchain_core.runnables.config 的源码，看到了 ContextThreadPoolExecutor、run_in_executor。你意识到：你一直在用 langchain_core，但只用了它的冰山一角。
回头看看前 12 篇，你其实已经用过这些模块：
9 个模块，11 篇。 但 langchain_core 有 36 个模块。剩下 27 个是什么？哪些值得学？哪些是坑？
2. 数据字典：36 个模块全清单（实测，langchain_core 1.5.1）
2.1 五大家族分类
3. 数据字典：⭐ 必须掌握（你已经在用的 9 个模块）
3.1 messages（56 个导出）——消息对象全集
3.2 prompts（21 个导出）——模板
ChatPromptTemplate / MessagesPlaceholder / PromptTemplate——03 篇全用过。
3.3 language_models（19 个导出）——模型的”爹”
3.4 output_parsers（17 个导出）——输出处理
StrOutputParser（04 篇）、BaseOutputParser（接口）、PydanticOutputParser（05 篇的底层）。
3.5 embeddings（3 个导出）——向量接口
Embeddings（08 篇）：embed_query / embed_documents / 异步版。
3.6 documents（3 个导出）——知识盒子
Document（07 篇）、BaseDocumentTransformer（切分器接口的爹）、BaseDocumentCompressor（压缩器接口的爹）。
3.7 retrievers（24 个导出）——检索器
BaseRetriever（08 篇）：invoke(query) -> list[Document]。
3.8 vectorstores（4 个导出）——向量库接口
VectorStore（08 篇：add_texts/similarity_search/as_retriever）、VectorStoreRetriever、InMemoryVectorStore（内存版向量库，测试神器——不用装 Chroma）。
3.9 runnables（29 个导出）——组合协议（规定性 9 的核心）
4. 数据字典：✅ 了解即可（进阶/生产才用）
4.1 callbacks（34 个导出）——生命周期监听
BaseCallbackHandler：监听 on_llm_start / on_llm_end / on_tool_start……做生产应用想看”每次调用多少 token、耗时多久”就写它的子类。LangSmith 追踪的底层就是它。
4.2 chat_history（13 个导出）——记忆存储抽象
BaseChatMessageHistory / InMemoryChatMessageHistory——06 篇的”正规军”。接口统一，生产换 Redis 实现即可。
4.3 stores（19 个导出）——通用 KV 存储
BaseStore / InMemoryStore：比 chat_history 更底层，存任意键值数据、跨会话共享。
4.4 load（6 个导出）——序列化
dumps / loads：把 prompt/消息存成 JSON，下次加载。生产配置管理用。
4.5 indexing（8 个导出）——增量索引
index() / RecordManager：生产文档更新时才需要——只处理新文档，不用每次全量重建（13 篇的 indexer 是简化版）。
4.6 rate_limiters（7 个导出）——限速
InMemoryRateLimiter / BaseRateLimiter：批量调用防 429（11 篇讲过 API 限流）。
4.7 example_selectors（5 个导出）——few-shot 选例
SemanticSimilarityExampleSelector：给模型例子（few-shot）时自动挑最相关的。
4.8 cross_encoders（3 个导出）——重排序接口
BaseCrossEncoder：10 篇重排的接口抽象（我们直接用的 sentence-transformers）。
4.9 outputs（7 个导出）——内部结构
LLMResult / ChatResult：generate() 批量接口和回调里的原始结构。invoke() 直接给 AIMessage，日常碰不到。
4.10 其他（知道存在即可）
document_loaders（文档加载接口）、structured_query（结构化查询翻译）、caches（缓存）、chat_loaders/chat_sessions（聊天记录导入）、tracers（追踪）、utils（工具函数）、exceptions（下一节）、env/globals/version/sys_info/_api/_security/_import_utils（内部基础设施）。
5. 数据字典：⚠️ 避坑（这些是”坑”不是”知识”）
5.1 agents 模块（14 个导出）——历史包袱
里面有 AgentAction / AgentStep / AgentFinish——这是 LangChain 0.x 时代 AgentExecutor 的数据结构。看到旧教程里的 AgentExecutor/AgentAction 就知道是历史遗留。本系列不用 agent（你要求的），直接避开。
5.2 根本没有 structured_output 模块！
BaseChatModel.with_structured_output() 方法 + output_parsers 里的 Pydantic 系列实现的（05 篇）。
5.3 exceptions（8 个导出）——报错认类型
LangChainException（所有异常的爹）、OutputParserException（解析失败）。catch LangChainException 不会漏。
6. 关键方法（本片主角：怎么”看”这个包）
7. 进程线程模型
8. 网络模型
0 网络请求。 本片是纯代码考古——翻site-packages/langchain_core/ 目录和 dir() 输出。这正是 langchain_core 的定位：它是协议层，不发请求；发请求的是集成包（langchain-anthropic 等）。
9. 验证：跑起来
配套代码code/13_core_map.py：
- 打印 langchain_core 版本和全部模块；
- 验证”没有 structured_output 模块”（ImportError 演示）；
- 验证
ChatAnthropic是BaseChatModel的子类（你天天用的东西的”族谱”）； - 打印
RunnableWithMessageHistory的废弃警告。
10. 边界
- 模块数量会随版本变——1.5.1 是 36 个，升级可能增减。以
dir()实测为准，别背死。 - 下划线开头的模块（_api/_security 等）是内部的——别 import，别学，API 随时变。
agents模块 ≠ 本系列说的”不用 agent”——那是旧 AgentExecutor 的历史数据结构，和 create_agent（LangGraph）无关。两者都不是我们要用的。RunnableWithMessageHistory已废弃——网上旧教程大量用它，看到就换手动方案（06 篇）。
推荐资料（延伸阅读）
- langchain-core API 参考（全目录） —— 36 个模块的完整类清单
- LangChain 官方文档 · 总览 —— 包结构官方说明