LangChain 和 LangGraph的区别（小白理解版）

binbin3828

200人浏览 · 2026-06-17 12:58:07

binbin3828 · 2026-06-17 12:58:07 发布

1. 先看 LangChain：万能零件库 + 简单流水线

LangChain 是什么？
它是开发AI应用的一套标准零件和基础流水线。它把调用大模型、写提示词、检索文档、调用API等动作，都封装成了标准的“乐高积木”。

核心特点：一条道走到黑（线性执行）
它的默认工作模式叫 Chain（链），就像工厂流水线：

输入 → 第1步（检索） → 第2步（大模型思考） → 第3步（输出结果）

智能客服的“流水线”版实现（LangChain）：

用户问：“我的快递到哪了？”
    ↓ （步骤1）去数据库查订单号
    ↓ （步骤2）把订单号塞进提示词，问大模型
    ↓ （步骤3）大模型直接吐出回答：“您的快递已到达广州分拣中心。”
    ↓ 
结束，返回给用户。
缺点很明显： 如果大模型查到的信息不全（比如没查到单号），它也只能硬着头皮编一个答案（产生幻觉）。因为它没有“回头重来”的机制。

2. 再看 LangGraph：带红绿灯和掉头匝道的环岛

LangGraph 是什么？
它是基于LangChain零件打造的高级流程控制器。它的核心不是“链”，而是 Graph（图）。

核心特点：能循环、能判断、能掉头（状态机驱动）
它引入了状态机的概念。每个节点做完事后，会更新一个共享状态（State），然后根据条件判断下一步去哪（是继续、重试、还是结束）。

智能客服的“环岛”版实现（LangGraph）：

用户问：“我的快递到哪了？”
    ↓ （节点A）调用查单工具
    ↓ （判断节点B）查到了吗？
        ├─ 查到了（状态满意） → （节点C）大模型生成回答 → 结束
        └─ 没查到（状态不满意） → （重新跳回节点A）让用户提供手机号，再查一次
                ↓ （循环第2次查到了）
                ↓ （节点C）大模型生成回答 → 这就是“Reflective（反思闭环）”和“软硬结合终止策略”——LLM自己觉得信息不够，就触发自动改写查询，重新再跑一圈，直到满意为止。这在LangChain的线性链里是做不到的。

3. 一张图看懂区别和联系

对比维度	LangChain (基础版)	LangGraph (高级版)
流程结构	直线链（Chain） A → B → C → 结束	有向图（Graph） A → B ↔ C（可循环、可条件跳转）
核心武器	各种工具、模板、接口封装	State（状态） + 条件边（Conditional Edges）
能否回头	❌ 不能，一条道走到黑	✅ 能，根据状态决定是结束还是返回重试
复杂度	适合单任务、简单问答	适合多工具调用、多Agent协作、复杂决策
类比	自动售卖机（投币→选货→掉落）	自动驾驶系统（感知→判断→转向→再感知→再修正）

4. 它们到底是什么关系？（最重要的一点）

LangGraph 不是 LangChain 的替代品，而是它的“亲儿子”和“升级包”。

联系：LangGraph 完全基于 LangChain 的基础零件搭建。你在 LangGraph 里写代码时，导入的提示词模板（PromptTemplate）、大模型接口（ChatOpenAI）、工具（Tools），全都是 LangChain 的包。
区别：LangChain 提供的是“积木”和“简单说明书”（Chain）；LangGraph 提供的是“复杂工程图纸”（Graph），让你能用这些积木搭建出带环路、带判断的复杂智能体。