从链到图：理解LangChain与LangGraph的演进与分工

简单来说，LangChain 是一个用于构建 LLM 应用的程序框架，而 LangGraph 是构建在 LangChain 之上，用于创建具有复杂、有状态工作流的框架。

可以把它们理解为：

• LangChain：像 乐高积木，提供了丰富的标准化组件（模型、提示、检索器、链等），让你能快速组装一个应用。
• LangGraph：像 乐高说明书 或 电路图，它定义了这些组件如何以复杂的方式连接和协作，尤其是当需要循环、分支和状态管理时。

一、LangChain：应用组装框架

1.1、核心思想

通过“链”将多个模块串联起来，完成一个复杂的任务。

1.2、主要特色

1. “链”

• 这是 LangChain 的核心抽象。一个链就是将多个组件按顺序组合在一起，例如：PromptTemplate -> LLM -> OutputParser。
• 适合线性或有向无环图 的工作流。-

2. 代理

• 代理是使用LLM作为“大脑”来决定下一步执行什么“工具”的组件。它引入了循环的能力（思考 -> 行动 -> 观察 -> 再思考），但这在原生 LangChain 中相对基础。

3. 应用场景

• 构建一个简单的问答机器人。
• 创建一个根据用户查询检索文档并总结的流程。
• 快速搭建一个连接了各种工具（如搜索引擎、计算器）的代理。

1.3、局限性

• 对于复杂、有状态、多分支的工作流，用传统的“链”来构建会非常笨重和困难。
• 代理的循环控制逻辑相对简单，难以实现精细化的流程控制。

二、LangGraph：有状态工作流引擎

1.1、核心思想

受 Netflix 的 Conductor 和 Apache Airflow 等工作流引擎的启发，它明确地将控制流和状态管理作为一等公民。

1.2、主要特色

1. 图结构

• 应用被定义为一个图，节点是函数或LCEL的Runnable，边定义了流程的走向。
• 天然支持循环、条件分支和并行执行。

2. 有状态性

• 这是与 LangChain 最大的不同。LangGraph 明确维护一个共享状态，所有节点都可以读取和修改这个状态。
• 状态通过 Pydantic 模型定义，确保了类型安全和清晰的数据结构。

3. 循环和条件

• 可以轻松实现“在条件A满足时，跳回节点N重试”的逻辑。
• 这是构建复杂代理的关键。例如，一个代理可以循环使用工具，直到任务完成或达到最大迭代次数。

4. 人机交互

• 内置了对“中断”的支持，可以暂停工作流，等待人类用户的输入，然后再继续执行。这对于需要人工审核或提供额外信息的流程至关重要。

5. 持久化

• 可以轻松地保存和加载工作流的状态，实现长对话或长任务的持久化。

1.3、应用场景

1. 多角色代理：模拟一个团队，有研究员、写手、审核员，他们之间需要协作和循环修改。
2. 复杂决策流程：根据模型的输出或外部条件，动态决定下一步是调用工具A、工具B，还是结束流程。
3. 需要回溯或重试的流程：例如，如果工具调用失败，自动重试或选择备用方案。
4. 需要人工介入的审批流程。

三、LangChain & LangGraph 区别对比

特性	LangChain	LangGraph
核心抽象	链，代理	图，有状态工作流
控制流	主要是线性/顺序，代理有简单循环	任意控制流（循环、分支、并行）
状态管理	隐式，通过链传递	显式共享状态，通过状态机管理
设计哲学	组装应用：提供构建模块	编排流程：定义模块间的复杂交互
复杂度	适合轻到中度复杂应用	专为中到高度复杂、有状态的应用设计
与对方关系	是基础	构建在 LangChain 之上，增强其能力