LangChain 与 LangGraph：4 个主要差异以及何时使用每个差异

我们的生活早在 LangGraph 之前。这清楚地表明 LangGraph 缩小了差距。换句话说，LangGraph 做了一些更复杂或者 LangChain 做不到的事情。

在本文中，我们将讨论 LangChain 和 LangGraph 之间的 4 个关键区别，以及它们如何影响我们为构建代理工作流程而编写的代码。

首先我们要提一下，这些不是竞争工具。 LangGraph是LangChain生态系统的一部分。它是一种建立在 LangChain 之上的扩展。

1. 管道与循环

LangChain是一个有明确方向的管道：

我们将组件链接在一起，但朝一个方向，代码如下所示：

链 = 提示 |型号|解析器

输出 = chain.invoke(输入)

我们仍然可以分支、并行运行步骤以及构建 DAG，但默认抽象是通过管道向前移动数据。

这个结构足以解决很多问题，例如

检索文档，然后生成答案

提取字段，然后保存它们

总结文本，然后对其进行分类

然而，当涉及到向后发送时，我们需要编写一个外部Python循环。因此，应用程序会处理其余的事情，而不是 LangChain。

另一方面，LangGraph 将循环视为工作流程本身的一部分。它基本上是一个带有节点和边的图。

节点执行特定任务。

普通边定义节点之间的固定过渡。

条件边决定下一步去哪里。

由于正常边缘和条件边缘，我们可以毫不费力地路由回较早的节点。这是我用 LangGraph 构建的客户服务代理的图：

Customer代表输入节点，AI Agent是模型，价格和预订引擎是其他节点。我们可以在节点之间来回移动。

2. 无状态与有状态

LangChain 管道本身不保存状态。每个可运行对象通常接收一个输入并返回一个输出。状态以字典、消息或自定义对象的形式向前传递。LangGraph 然后将该更新合并到现有状态中。