LangChain / LangGraph 学习笔记：什么时候该用，什么时候别用

先搞懂它是什么#

• LangChain：链式调用大模型 + 工具的组合框架。把”调模型、接工具、做中间处理”串成一条链。
• LangGraph：有状态的 Agent 工作流。用图结构表达”先做什么、条件分支、循环、多步骤状态”，适合复杂流程。

一句话：LangChain 是”链”，LangGraph 是”图”。 简单流程用链，复杂状态机用图。

三句学习笔记#

第一句：通用框架 vs 专用系统，先分清。

LangChain/LangGraph 是通用的 Agent 框架——什么业务都能套。而有些 Agent 系统是专用的（为特定场景设计好了一整套能力和边界）。

通用框架的好处是灵活、可定制；坏处是所有东西都要自己搭——工具调用、记忆、状态管理、错误处理，每个都要配置和调试。专用系统则相反：上手快、开箱即用，但扩展受限。

选型的关键不是”哪个更流行”，是”你的项目需要多强的定制”。

第二句：学它 ≠ 用它。

学习 LangChain 是为了理解 AI 应用的通用范式——工具调用、链式编排、状态管理、上下文处理。这套心智模型是通用的，换个框架、甚至自己写，都用得上。

但学到 ≠ 生产项目必须用它。如果你的项目用一个专用 Agent 系统已经能满足需求，不要为了”用上了热门框架”而强行迁移。技术选型的成本收益要算清：迁移一个正在运行的系统，要付出什么，得到什么？

第三句：没有它，现在的需求也能完成吗？

每次想引入一个框架，先问这句。如果现有工具链已经覆盖需求，新框架引入的是新的依赖、新的学习成本、新的 bug 面——而不是新能力。

什么项目适合 LangGraph#

复杂、有状态、需要精细控制流程的项目：

• 多步骤流程，步骤间有依赖和分支
• 需要持久化中间状态（做到一半保存，下次继续）
• 需要人对关键步骤审批 / 干预
• 需要精细控制每步用哪个模型、什么上下文

什么项目别用#

• 简单的一次性调用（调模型 → 得结果 → 结束）
• 已有专用系统覆盖的场景
• 团队没人熟悉、需要从零学起的项目

结论#

每个 AI 工程师都该学 LangChain，但不是每个项目都该用 LangChain。

学它，是为了建立 AI 应用的通用心智模型；选不选它，要回到需求本身。框架是工具，不是信仰。 一个在跑的专用系统，不会因为”更流行的框架出现了”就自动变差。