LangChain 与 LangGraph：你真正应该使用哪一个？

11个月前 0 762

在世界上的 AI 在开发领域，创建由大型语言模型 (LLM) 驱动的应用程序已成为关注的焦点。LangChain 和 LangGraph 是两个经常出现的名字。虽然它们来自同一个家族，但用途却截然不同。

LangChain 提供构建 LLM 支持的应用程序而 LangGraph 则提供了一种构建更受控制、更复杂的代理系统的专业方法。对于任何想要构建下一代智能合约的开发者来说，理解 LangChain 与 LangGraph 之间的区别至关重要。 AI 解决方案。

本文将对这两个框架进行分析。我们将研究它们的核心功能，探讨它们的主要区别，并就何时应该为您的项目选择其中一个框架提供清晰的指导。

浪链是什么？

LangChain 是一个软件框架，旨在让建立应用程式使用大型语言模型。该项目由哈里森·蔡斯 (Harrison Chase) 于 2022 年 10 月启动，最初是一个开源项目，但很快在开发者中获得了巨大的人气。该项目在 GitHub 上吸引了数百名贡献者，并获得了大量投资，包括 200 万美元的种子轮融资和后续融资，使公司估值超过 XNUMX 亿美元。

LangChain 的核心在于简化连接法学硕士与其他数据源和计算工具连接。它充当桥梁，让您能够创建能够推理世界并执行复杂任务（例如文档分析、代码生成和创建高级聊天机器人）的应用程序。

LangChain 的核心功能

浪链's 其强大之处在于其灵活和模块化的设计。它提供了一套构建模块，开发人员可以将其拼凑在一起，创建定制的 AI 工作流程.

模块化架构LangChain 秉承模块化理念。开发者可以混合搭配各种组件，例如语言模型接口、数据加载器和输出解析器。这带来了极大的灵活性，让你无需重新构建整个应用程序即可替换模型或数据源。

广泛的集成：该框架拥有超过 600 个与各种模型、数据库的集成， APIs以及其他工具。这意味着您可以以最少的工程工作量轻松地将您的应用程序连接到您已经使用的服务。

链条：LangChain 的一个核心概念是“链”。链允许你将一系列调用链接在一起，无论是调用 LLM 还是其他实用程序。浪链表达语言（LCEL）于 2023 年推出，提供了一种清晰、声明式的方式来组成这些链。

经纪人: LangChain 使创建代理这类系统使用法学硕士 (LLM) 来决定要采取的一系列行动。LLM 充当推理引擎，确定使用哪些工具来实现目标。

内存管理：对于像聊天机器人这样的应用来说，上下文至关重要。LangChain 包含强大的内存管理功能，允许代理记住并参考对话的先前部分。

快速工程工具：它提供管理和优化提示的工具。其中包括提示模板，可帮助构建发送给法学硕士 (LLM) 的输入，从而获得更一致、更可靠的响应。

浪链's 它的主要优势在于其多功能性。它为开发人员提供了一套全面的工具包，用于构建和试验各种基于 LLM 的应用程序，从简单的问答机器人到与外部数据交互的更复杂的系统。

什么是 LangGraph？

LangGraph 是一个扩展 LangChain 生态系统功能的库。它专为构建有状态的、多代理应用程序LangChain 非常适合创建动作序列（链），而 LangGraph 则引入了一种更强大的逻辑流程控制方法，尤其适用于复杂任务。它的创建旨在帮助开发人员为其代理系统提升精度和控制力，使其在实际应用中更加可靠。

LangGraph 的核心思想是将工作流表示为由节点和边组成的图。这种结构比 LangChain 中常见的线性链式结构能够实现更复杂的控制流。它的灵感来源于以下技术：阿帕奇光束和 NetworkX。

LangGraph的核心功能

LangGraph 提供了一种构建代理的结构化方法，这使得复杂的交互更易于管理和调试。

基于图形的工作流程：LangGraph 并非将步骤简单地串联起来，而是以图形的方式组织任务。图中的节点代表组件，例如 LLM 或函数，而边则定义数据和控制在它们之间的流动方式。这种可视化的表示方式使复杂的交互更容易理解和管理。

循环图LangGraph 的一大特色在于其对循环的支持。这意味着工作流程不再局限于单向运行。它可以循环往复、重复步骤，或根据先前的结果做出决策。这对于需要迭代的任务至关重要，例如优化代码或进行多步骤研究.

国家管理LangGraph 拥有强大的内置状态管理功能。应用程序的状态在图中的各个节点之间传递，并可在每一步更新。这种持久状态支持诸如暂停和恢复任务，或维护对话的详细历史记录等功能。

人在环：创建循环和管理状态的功能使得人工干预变得简单。您可以设计工作流程在某个时刻暂停，等待人工审核、批准或提供输入后再继续。这对于客户支持或其他敏感领域的应用至关重要。

无缝集成：LangGraph 并非 LangChain 的替代品，而是它的扩展。它与 LangChain 组件无缝集成，并与 LangSmith 配合使用，可对您的代理进行详细的监控、调试和跟踪。's 性能。

当您需要构建能够处理复杂逻辑、与其他代理协作或需要人工监督的代理时，LangGraph 是首选工具。

LangChain 与 LangGraph：主要区别

虽然 LangChain 和 LangGraph 可以协同工作，但它们针对的是不同类型的问题。主要区别在于它们构建和控制应用程序的方法。's 工作流程。

特性	浪链	郎图
框架类型	用于构建各种基于 LLM 的应用程序的灵活模块化框架。	一个使用图形结构来协调复杂、有状态的代理工作流的专用库。
控制流	主要采用线性方式，使用“链”来执行一系列步骤。控制流通常由 LLM 本身就具有代理功能。	循环且基于图形，允许循环、条件分支和对工作流的明确控制。
国家管理	必须在应用程序中明确配置和管理内存组件's 逻辑。	具有内置的持久状态管理功能，其中状态在图中节点之间传递。
开发复杂性	当手动安排复杂的多步骤逻辑时，灵活性可能会导致更陡峭的学习曲线。	通过图形结构使流程明确且直观，从而简化复杂逻辑的开发。
核心用例	快速原型设计，构建 RAG 等标准应用程序和聊天机器人并整合各种组件。	构建可靠的多代理系统、需要迭代的工作流程以及需要人机控制的应用程序。
易用性	通常对于简单的线性应用程序来说更容易，但随着工作流程的增长，管理会变得复杂。	更直观地设计和调试具有许多决策点的复杂、非线性工作流程。

LangChain 提供基础构建块，而 LangGraph 提供更高级的结构，用于将这些块编排成可靠、可控的代理。

何时使用 LangChain

LangChain 仍然是各种 LLM 应用程序开发任务的首选框架。它的优势在于其灵活性和庞大的集成库。

你应该选择浪链什么时候：

构建简单、线性的工作流程：如果您的应用程序遵循简单的步骤序列 - 例如，获取用户输入，使用提示格式化它，将其发送到 LLM，然后解析输出 - LangChain 是完美的选择。

快速原型设计和实验: 朗链's 模块化设计使其成为快速测试不同模型、提示或数据源的理想选择。您可以轻松更换组件，找到最符合您需求的组合。

开发标准 RAG 应用程序：对于大多数检索增强生成（RAG）用例，您检索文档并将其提供给 LLM 以获取上下文，标准 LangChain 链通常就足够了。

你需要广泛的整合：如果您的项目依赖于连接许多不同的 API、数据库或向量存储，LangChain's 超过 600 个集成库是一个巨大的优势。

您正在创建基础工具：当您构建代理可能使用的单个工具或组件（例如搜索网络或查询数据库的功能）时，LangChain 提供了包装器，以使 LLM 可以轻松访问这些组件。

简而言之，如果你的申请's 逻辑相对简单并且可以表示为序列，LangChain 提供了最快、最灵活的解决方案路径。

何时使用 LangGraph

当任务的复杂性超越简单的线性序列时，LangGraph 便能大放异彩。它专为控制、可靠性和状态性至关重要的场景而设计。

你应该选择郎图什么时候：

构建复杂的多智能体系统：如果您的应用程序涉及多个需要协作、委派任务或相互审查的代理's 工作中，LangGraph 提供了有效管理这些交互的结构。

您的工作流程需要循环或迭代：对于需要重复执行直到满足特定条件的任务，LangGraph's 支持周期至关重要。例如，一个代理编写代码，对其进行测试，然后根据测试结果进行改进，或者研究代理反复收集信息。

你需要人机交互控制：任何需要人工批准步骤、编辑结果或提供指导的应用程序都将受益于 LangGraph。暂停和恢复图表的功能使这种集成变得自然流畅。

创建高度可靠且可控的代理：当您无法承受代理默默失败或走上错误的道路时，LangGraph 允许您使用明确的条件和分支来定义精确的逻辑流程。这不再让 LLM 拥有完全的控制权，而是增加了一层确定性逻辑。

开发先进的、有状态的聊天机器人：对于需要处理复杂、多轮对话、具有分支路径和深度对话记忆的对话代理，LangGraph's 状态管理是一个强大的工具。

LangGraph 适用于从原型转向需要可靠且可预测地执行复杂任务的生产级代理的情况。

LangChain 和 LangGraph 如何协同工作

至关重要的是，要理解选择并不总是“非此即彼”。LangGraph 是 LangChain 产品套件的一部分，旨在与 LangChain 协同工作。's 组件。它们构成了强大的组合，用于构建复杂的 AI 系统.

一种常见的开发模式是使用：

浪链创建并包装代理将使用的各个工具。例如，使用 LangChain's 集成来构建一个用于搜索特定数据库的工具或另一个用于调用外部API.
郎图定义协调这些工具使用方式和时间的高级逻辑。图结构将定义决策过程、处理状态并管理任何必要的循环或人工干预。
兰·史密斯 监控、调试和评估整个系统。LangSmith 与框架无关，无论应用程序是基于 LangChain 链还是 LangGraph 图构建，它都能提供应用程序每个步骤的可见性。

这种分层方法使您能够利用两个框架的优势：LangChain 具有庞大的集成和组件库，而 LangGraph 具有强大的控制和编排功能。

结语

在 LangChain 和 LangGraph 之间进行选择取决于你的复杂性和控制要求 AI 应用程序。

浪链是您的多功能工具包。它's 它是快速构建各种 LLM 应用的理想选择，尤其适用于线性流程的应用。其优势在于模块化和广泛的集成。

郎图是你的专业导演。它's 专为创建复杂、有状态且可靠的代理系统而构建。当您的应用程序需要循环、多代理协作或人工监督时，LangGraph 能够提供必要的结构和控制。

As AI 随着智能体能力的提升，对精度和可靠性的需求也只会越来越高。LangChain 提供了必要的构建模块，而 LangGraph 则提供了将这些模块组装成强大且可立即投入生产的系统的框架。通过了解每种模块的独特优势，开发者可以选择合适的工具来完成工作，并构建更强大、更可靠的系统。 AI 解决方案.