AI Knowledge

外观

LangChain 与 LangGraph 应该怎么选？ ​

3 分钟速学卡 ​

30 秒口述： 我不会把 LangChain 和 LangGraph 当成简单二选一：LangChain 更适合复用模型、Prompt、Retriever、Tool 等组件并快速组合调用，LangGraph 更适合显式状态、循环、条件路由、持久化恢复和人工介入的长流程。简单线性链或短 Agent 先用最小组合；当需要断点恢复、并行分支、可审计状态转移和 durable execution 时再引入图运行时。选型应由控制流复杂度、恢复语义、团队运维能力和基准测试决定，且两者可以组合。

  • 本质： LangChain 解决组件组合，LangGraph 解决复杂有状态控制流，选型看恢复与状态而不是热度。
  • 核心机制： 简单任务保持最小组合；复杂循环和恢复再引入状态图。
  • 关键判断： 两者可以组合而非互斥；框架不替代幂等、权限和评测。
  • 项目落地： 示例演进：FAQ 问答先用 Retriever+Model 线性链；加入多轮工具、审批和断点恢复后迁移为状态图。
  • 边界与坑： “LangGraph 是 LangChain 的替代品。” 两者常分层组合；“Agent 项目都要 LangGraph。” 简单控制流会被过度复杂化。

目录 ​

面试官为什么问 ​

考察框架边界、演进判断和避免过度设计的能力。框架能力与版本会变化，发布前应核对官方文档和真实 API。

小白先看懂 ​

LangChain 像一套标准乐高零件，方便拼出模型、检索和工具模块；LangGraph 像带状态记录的铁路调度图，能处理循环、岔路、暂停与恢复。铁路图也可以使用乐高零件作为每个站点。

类比的边界是框架并不自动保证业务幂等、权限或正确性。

主题教学图片 ​

图：教学图片｜LangChain 与 LangGraph 应该怎么选？

替代文本： 围绕“LangChain 与 LangGraph 应该怎么选？”组织的中文教学图，通过分区、箭头和标签解释核心机制。

LangChain 与 LangGraph 应该怎么选？教学图片

读图结论： 简单链先组合组件；复杂状态与恢复再用图。

这张图片用于建立主题机制的直觉。精确公式、参数、失败分支和事实边界仍以正文与 Mermaid 为准。

图片生成记录： model=gpt-image-2，generated=2026-07-15，prompt_version=v1，reviewed=2026-07-16，review_basis=user-confirmed；查看生成 Prompt。

图：架构｜组件组合与状态图运行时的分工

替代文本： LangChain 组件层提供模型、检索器和工具，简单链直接组合；复杂任务由 LangGraph 状态、节点、边与 Checkpoint 编排这些组件。

图表加载中…

读图结论： LangChain 偏组件组合，LangGraph 偏有状态控制流，复杂图可以复用前者组件。

图中分工是工程理解，不是版本冻结的产品清单；动态能力应按实际依赖版本验证。

核心原理 ​

关键判断包括：控制流是否线性、状态是否需要持久化、失败后从哪里恢复、是否有人审、节点是否并行、是否需要时间旅行式调试。可用少量代码实现的固定流程不必强上图。

项目和生产视角 ​

示例演进： FAQ 问答先用 Retriever+Model 线性链；加入多轮工具、审批和断点恢复后迁移为状态图。迁移验收比较故障恢复、重复副作用、Trace 完整性、延迟和维护成本；没有基准数据时不宣称框架性能优势。

常见错误回答 ​

  • “LangGraph 是 LangChain 的替代品。” 两者常分层组合。
  • “Agent 项目都要 LangGraph。” 简单控制流会被过度复杂化。
  • “有 Checkpoint 就自动可靠。” 节点副作用仍需幂等。

递进追问 ​

  1. 什么信号说明线性链需要迁移为图？
  2. Checkpoint 能解决什么、不能解决什么？
  3. 如何让图节点保持可测试？
  4. 不使用框架时最小实现是什么？

关联阅读 ​

总结 ​

一句话记忆： LangChain 解决组件组合，LangGraph 解决复杂有状态控制流，选型看恢复与状态而不是热度。

  • 简单任务保持最小组合；
  • 复杂循环和恢复再引入状态图；
  • 两者可以组合而非互斥；
  • 框架不替代幂等、权限和评测。