LangChain 与 LangGraph

LangChain

LangChain 提供调用模型、组织消息、定义工具、执行检索和构建 Agent 所需的通用接口与组件。

它主要帮助解决：

• 不同模型 API 的接口差异。
• 消息、工具和结构化输出的组织。
• 文档加载、检索器和 RAG 流程。
• 常见 Agent 构建模式。

LangGraph

LangGraph 使用图和状态机编排可循环、可暂停、可恢复的 Agent 工作流。

它主要帮助解决：

• 多步骤和分支流程。
• Agent 的 State 管理。
• 循环与停止条件。
• 持久化、失败恢复和长时间任务。
• Human-in-the-loop。
• 多 Agent 之间的控制关系。

它们之间的关系

LangChain 更像一套可复用的 AI 应用组件，LangGraph 更像控制这些组件如何运行的工作流引擎。

二者可以一起使用，也可以分别使用；LangGraph 并不强制要求所有模型、工具和检索逻辑都来自 LangChain。

应该先学哪个

1. 先直接调用一次模型 API。
2. 自己实现一个简单 RAG。
3. 自己完成一次 Tool Calling 循环。
4. 使用 LangChain 减少模型、工具和检索相关的重复代码。
5. 当流程需要状态、分支、循环和人工审核时，再使用 LangGraph。

不要把框架当成基础概念

框架 API 会变化，但 Prompt、Tool Calling、RAG、State、Evaluation 和权限边界等基本概念更稳定。

因此学习时应该能够解释每个组件解决的问题，而不只是复制框架示例。