是否了解LangChain与LangGraph大模型开发框架？

## 作用 - **LangChain 1.0**：面向快速构建 AI Agent 的高层框架。 - 提供标准化的工具调用架构，支持不同模型供应商，避免厂商锁定。 - 通过 `create_agent` 快速创建 Agent：选择模型、配置工具和提示词即可运行。 - 提供内置及自定义 middleware，用于对 Agent 执行过程进行逐步控制和扩展。 - 适合常见 Agent 应用、快速原型开发，以及希望使用预置模式快速交付 AI 功能的场景。 - **LangGraph 1.0**：更底层的 Agent 框架和运行时。 - 适合构建高度自定义、可控性强的 Agent。 - 支持生产环境中的长时间运行任务。 - LangChain 1.0 的 Agent 能力底层也构建在 LangGraph 运行时之上。 - 适合复杂流程、精细状态管理、持久化执行和需要更强控制能力的生产级 Agent。 ## 原理 ### LangChain 的核心 Agent Loop `create_agent` 围绕标准 Agent 循环设计： 1. 初始化时指定模型、工具和 prompt。 2. 程序向模型发送请求。 3. 模型返回普通内容或工具调用请求。 4. 如果模型请求调用工具，框架执行对应工具，并将工具结果加入上下文。 5. 再次请求模型，由模型判断下一步是继续调用工具还是输出最终答案。 ### 关键设计 - **模型供应商无关**：通过统一模型抽象接入不同大模型。 - **标准 content blocks**：用统一规范表示模型输出，兼容不同模型供应商的内容类型。 - **Middleware 机制**：在 Agent 循环各阶段插入自定义逻辑，提高灵活性。 - **基于 LangGraph 运行时**：LangChain 的高层 Agent API 借助 LangGraph 提供可靠执行能力。 - **精简包结构**：1.0 版本收窄命名空间，聚焦构建 Agent 常用能力。 ### 选择建议 - 需要快速开发、使用标准工具调用和预置 Agent 模式时，选择 **LangChain**。 - 需要复杂编排、强控制、长期运行、持久化运行时或深度自定义流程时，选择 **LangGraph**。