25. LangGraph 解决了什么问题？和 LangChain 的区别是什么？

难度 P1 高频 · 岗位 应用 · 频率 ★★★ · 预计阅读 5 min

本题阅读地图

1. 💡 简要回答
2. 📝 详细解析
3. 🎯 面试总结

👔面试官：LangGraph 解决了什么问题？和 LangChain 的区别是什么？

🙋‍♂️我：LangGraph 是做复杂工作流的，LangChain 是简单链式调用。

👔面试官：笼统了。LangGraph 的核心是显式状态管理和循环能力。LangChain 是线性链，LangGraph 是有向图，支持循环、条件分支、持久化。你能讲清楚吗？

🙋‍♂️我：LangGraph 可以循环，LangChain 不行？

👔面试官：对，但还有：LangGraph 的 State 是显式定义的，支持检查点（checkpoint）和重放。适合多智能体、人机协同、复杂状态管理。LangChain 更适合简单 Pipeline。

💡 简要回答

LangGraph 解决的核心问题：

1. 循环能力：支持复杂循环（ReAct、规划-执行-反思）
2. 显式状态管理：State 明确定义，可追踪、可持久化
3. 条件分支：边（Edge）可以带条件判断
4. 持久化与重放：支持 checkpoint、人机协同、错误恢复

与 LangChain 的区别：

维度	LangChain	LangGraph
结构	线性链（DAG）	有向图（可循环）
状态	隐式传递	显式定义 State
循环	不支持	原生支持
适用场景	简单 Pipeline	复杂 Agent、多智能体

📝 详细解析

LangGraph 的核心概念

State（状态）：

• 明确定义整个运行过程中的数据
• 每个节点接收 State，返回更新后的 State

class State(TypedDict):
    messages: list
    documents: list
    next_step: str

Node（节点）：

• 处理函数，输入 State，输出 State 更新

Edge（边）：

• 普通边：固定流转
• 条件边：根据 State 判断走向

循环支持：

A → B → C →（条件）→ A（循环）

典型适用场景

ReAct Agent：

• 思考 → 行动 → 观察 → 再思考 → ...（循环）

多智能体：

• Supervisor 分配任务 → Agent 执行 → 结果汇总 → 再分配（循环）

人机协同：

• 执行到某节点 → 暂停等待人工输入 → 继续

错误恢复：

• checkpoint 保存状态 → 出错后从检查点恢复

与 LangChain 的关系

不是替代，是互补：

• LangChain：组件生态（Model、Prompt、Parser、Tool）
• LangGraph：编排层（把组件组织成复杂工作流）

LCEL 链可以作为 LangGraph 的节点使用。

🎯 面试总结

LangGraph 解决循环、显式状态、条件分支、持久化问题。与 LangChain 互补：Chain 做组件，Graph 做编排。

---

章节首页 · ← Q24 · Q26 →