LangChain、LangGraph 和 LangSmith（深挖）

你在很多 AI 教程里都会看到这几个名字。它们经常一起出现，但做的事完全不同。这篇一次讲清楚。

LangChain：搭积木

LangChain 是 2022 年底出现的工具库。它的核心思想很简单：把 AI 操作拆成一块块”积木”，你可以像搭乐高一样把它们串起来。

比如你要做一个”翻译 + 总结”工具：

1. 先让 AI 把英文翻译成中文（一块积木）
2. 再把中文总结成三句话（另一块积木）
3. 两块积木串在一起，就完成了

LangChain 把提示词、工具调用、记忆、检索都封装成了标准积木。你只需要把这些积木按顺序连起来。

适合：线性任务——步骤固定，做完第一步做第二步。比如生成报告、翻译文档、提取信息 ¹。

LangGraph：指挥交通

LangChain 的问题是：它只能走直线。如果你需要”根据第一步的结果，决定第二步走 A 路线还是 B 路线”，LangChain 不够灵活。

2024 年，同一个团队推出了 LangGraph。它不是”串积木”，而是”画地图”——定义节点（每个节点是一块积木）和边（节点之间怎么连接）。

比如做一个客服系统：

• 节点 A：分析用户问题
• 如果用户是来投诉的 -> 走边到节点 B（转人工）
• 如果用户是来咨询的 -> 走边到节点 C（AI 自动回答）
• 节点 C 回答完 -> 走边到节点 D（满意度调查）

LangGraph 支持循环——AI 回答完之后，如果用户不满意，可以回到节点 A 重新分析。这是 LangChain 做不到的。

适合：有分支、有循环的复杂任务。比如客服路由、多步推理、Agent（能自己干活的 AI）的工作流 ²。

LangSmith：监控和调试

LangChain 和 LangGraph 让你”搭”AI 应用。LangSmith 让你”看”AI 应用跑得好不好。

你搭好一个 Agent 之后，它开始自动处理用户请求。但你怎么知道它每一步决策对不对？比如它调用了搜索工具，搜出来的结果相关吗？它卡在某个步骤了怎么办？

LangSmith 记录每一步的输入、输出、调用链。你可以回放任何一次对话，看 AI 在每一步做了什么决策、花了多少时间、花了多少钱。

适合：生产环境监控。就像汽车的仪表盘——油温、转速、故障灯 ³。

一张表分清

跟你有什么关系

• 用 LangChain 搭一个检索增强生成（RAG，让 AI 查资料再回答）
• 用 LangGraph 搭一个 Agent
• 用 LangSmith 看 Agent 跑得怎么样

这三个工具代表了 AI 应用开发的三个层次：搭（LangChain）、编排（LangGraph）、监控（LangSmith）。

相关笔记

• 第14章 · Agent 是怎么工作的 — LangGraph 是 Agent 工作流的实现工具
• 工作流模式（深挖） — LangChain=固定流程，LangGraph=岔路口+自主
• 第13章 · RAG 进化树 — LangChain 是最常用的检索增强生成框架

来源

• LangChain, https://langchain.com
• LangGraph, https://langchain.com/langgraph
• LangSmith, https://langchain.com/langsmith