LangChain
Python · MIT
LangChain 是面向 Agent 工程化的开源框架与编排平台，提供模型接入、工具调用、RAG、记忆与可观测性的统一抽象。
agent-frameworkragorchestrationllmpython
查看项目 →
概览
LangChain 与 LangGraph：同一家族两种编排范式
LangChain 是链式抽象（LCEL / prompt / model / output parser）起家的通用 LLM 编排框架；LangGraph 是同一个团队出的图状态机抽象，主打 stateful multi-agent + cycles + 显式控制流。本文从抽象层级、控制流、状态管理、生态和典型场景五个角度对比。
对比项目
LangGraph
Python · MIT
LangGraph 是一个用于构建可控、可调试、长期运行的有状态 Agent 框架，以图的方式描述 Agent 的状态与控制流。
agent-frameworkstatefulgraphorchestrationpython
查看项目 →
功能对比
| 适合场景 | LangChain | LangGraph |
|---|---|---|
| 抽象层级 | Chain 抽象（LCEL）：prompt | model | parser 串起来。组件化、易上手 | Graph 抽象（StateGraph）：节点 + 边 + 状态。允许 cycle、conditional branch、显式 state 管理 |
| 控制流 | LCEL 默认 linear + operator overloading 风格的隐式控制流。需要循环 / 分支要写 RunnableLambda 自定义 | 显式节点 + 边：可以加 loop / branch / 状态读写 / 子图。控制流就是图本身 |
| 状态管理 | 短期内存用 LangChain 自带 Memory（ConversationalBufferMemory 等）；长期持久化要自己接 DB | 内置 state schema + checkpointing（InMemorySaver / SqliteSaver / PostgresSaver 等），agent 可以暂停 / 恢复 / time-travel |
| 生态与集成 | LangChain 生态：700+ integrations、LangSmith 观测、LangGraph Studio / LangServe 部署。可单独用 LangChain 不用 LangGraph | LangGraph 生态：依赖 LangChain 的 integrations，但 StateGraph 是核心。可以跟 LangChain 组件混用 |
| 典型场景 | 线性 / 单步 LLM 工作流：RAG pipeline、prompt 实验、tool calling、output parsing。生产部署常见 | 复杂 multi-agent / stateful workflow：循环里 agent 互相 review、time-travel debug、长流程 human-in-the-loop |
GitHub 数据
| Metric | LangChain | LangGraph |
|---|---|---|
| Stars | 143.9k | 39.4k |
| Forks | 24.0k | 6.6k |
| 语言 | Python | Python |
| 许可证 | MIT | MIT |
| 最近提交 | 2026年8月11日 | 2026年8月10日 |
应该选择哪一个？
建议根据你的主要工作流、技术栈语言和集成需求来选择。用于生产前，请进一步查看项目文档、社区活跃度和最近的 GitHub 维护情况。
常见问题
LangChain 和 LangGraph 应该一起学吗?
建议先 LangChain LCEL 基础（chain / prompt / model / parser），再上 LangGraph 处理 stateful 场景。LCEL 学完你能搞定 80% 的 LLM 工作流；剩下 20% 需要循环 / 状态持久化 / time-travel 的，LangGraph 才有意义。
LangGraph 取代 LangChain 了吗?
没有。LangChain 是"上层 chain + integrations"，LangGraph 是"图状态机"，是补充关系。官方仓库 LangGraph 还是 LangChain monorepo 的一部分。生产里常见两者混用：LangGraph 管 workflow，LangChain 管 components。
LangGraph 适合做 multi-agent 吗?
适合。它的 StateGraph + checkpointing 是 multi-agent 场景的标准方案：CrewAI / AutoGen / OpenHands 等框架底层很多就用 LangGraph 做编排。time-travel debug 也是 multi-agent 痛点，LangGraph 内置。
新项目应该选 LCEL 还是 LangGraph?
如果是 RAG / 简单 tool calling，LCEL 更轻；如果涉及 multi-agent / 循环 / 状态持久化 / 长流程审批，选 LangGraph。也可以 LCEL 起步，发现不够再迁移到 LangGraph，迁移成本不高。