LangChain和LangGraph

• LangChain：搭 LLM 应用的「零件箱」——模型、Prompt、工具、消息、RAG 组件等，帮你快速拼出应用。
• LangGraph：搭复杂 Agent 的「流程图引擎」——用图（节点 + 边 + 共享状态）编排多步、分支、循环、重试、人机协作。

关系可以记成：

LangChain 负责「调用什么能力」；LangGraph 负责「按什么流程、带什么状态去调用」。

对各种 LLM / Chat Model 做统一封装。你不用关心供应商细节，统一用 invoke / stream 调。

通俗理解：插座标准化了，换 GPT、Claude、豆包都能插。

对话不再是一坨纯文本，而是结构化消息：

多轮对话本质就是维护一份 message 列表，不断追加上下文。

让模型不只「会说」，还能「会做」：查库、搜网、算数、调 API。

每个工具通常有：名字、描述、入参 schema、执行函数。模型根据描述决定何时调用——这就是常见的 ReAct / Tool Calling 模式。

早期核心是 Chain：Prompt → LLM → Parser 串起来。

现在更统一的是 Runnable / LCEL（| 管道）：

prompt | model | output_parser

适合固定流水线：总结 → 翻译 → 格式化这类一路往下走的任务。

Agent = 模型 + 工具 +「自己决定下一步」的循环：

想 → 调工具 → 看结果 → 再想 → …… → 给出最终答案

LangChain 提供高层 Agent 抽象，上手快；流程一复杂（重试、分支、多人协作），就容易不够用——这时上 LangGraph。

• 结构化输出：强制模型吐 JSON / Pydantic，方便程序消费。
• Memory：短期（当前对话）+ 长期（跨会话记忆）。复杂场景里，记忆往往也挂在 Graph 的 State / Checkpointer 上。

Chain 像一条单行道：A → B → C，假设一路绿灯。

真实业务里常见：

• 质量不行 → 打回重做（循环）
• 根据结果走不同分支（条件路由）
• 多段并行处理再汇总（并发）
• 中途让人审批再继续（人机协同）
• 挂了要能从断点恢复（持久化）

这些 Chain 很难优雅表达，Graph 才是正解。

LangGraph框架的核心能力是以图的形式实现多Agent的编排，采用“分而治之”的思想，由四个核心概念构成：

• state：整个应用中共享的一种数据结构，给全局Agent提供统一的状态管理，是LangGraph框架的灵魂。
• Node：一个处理数据的节点。LangGraph中一般为一个函数，state作为输入，更新后的state作为输出。
• Edge：表示Node之间的关联关系。在LangGraph中一般是一个函数，根据当前Node输出的state来决定下一个执行的Node

所有节点读写同一份状态，节点之间不直接打电话，只改白板。

常见用 TypedDict / Pydantic 定义，例如：

class AgentState(TypedDict):

关键点是 Reducer（归约器）：

• 普通字段：后写覆盖先写
• 列表字段（如 messages）：常用 operator.add 追加，避免并行节点互相踩掉结果

通俗说：State 是数据总线；Reducer 规定「多人同时改同一字段时怎么合并」。

节点就是函数：读 State → 做事 → 返回要更新的字段。

def call_llm(state):

return {"messages": \[reply\]} # 只返回变更部分

原则：

• 一节点一事（调模型 / 调工具 / 审校……）
• 不直接调别的节点，协作全靠 State
• 可返回 Command(goto=..., update=...)，把「改状态」和「下一步去哪」绑在一起

再加上 START / END，一张可运行的图就齐了。

三者关系一句话：

State 管存什么，Node 管做什么，Edge 管接下来去哪。

用于支持多轮对话，LangGraph提供了多种短时记忆的存储方案，包括内存、Redis等。

短时记忆如果过多（尤其历史记忆内容不连贯的情况下），会导致模型的上下文理解出现偏差，产生幻觉。LangGraph提供了短期记忆的管理方法，主要包括两种：

• Summarization：用大模型的方式，对短期记忆进行总结，然后把总结的结果作为新的短期记忆。
• Trimming：把短期记忆中最旧的记忆删除，对短期记忆进行截断处理。

比较典型的长期记忆存储策略主要包括：

• Semantic memory（语义记忆）：原始对话中提取到的一般性的知识、概念、事实和语言信息等，不依赖于个人的具体经历或特定时间和地点。
• Episodic memory（情节记忆）：主要设计个人亲身经历的特定时间和情景，这些经历通常与时间、地点和相关的情感有关。
• Procedural memory（程序性记忆）：一种长期的潜意识记忆，用于执行特定类型的动作。例如人的本能或某种技能。