LangChain LangGraph 差別

LangChain LangGraph 差別。

LangChain主要是以Chain（鏈）的概念為核心，程式流程是線性的（例如：步驟A -> 步驟B -> 步驟C）。當我們只需要做簡單的任務時，這種線性結構非常夠用。

然而，隨著 Agent（智能代理）的需求越來越複雜，線性的Chain已無法應付。因為真實的Agent在思考時往往不是一條路走到底，而是需要：

• 循環與反悔機制：工具執行失敗或結果不對時，需要重新思考。
• 多代理人協作(Multi-Agent)：多個不同的AI角色之間需要來回溝通。
• 人類審批(Human-in-the-Loop)：在某些敏感步驟（如轉帳或刪除資料）需要暫停，等人類確認後再繼續。

為了處理這種多種複雜分叉與狀態的網狀流程，LangChain推出了LangGraph。它將核心思維從線性的Chain升級為有狀態的圖(Stateful Graph)架構，透過 Node（節點）與Edge（邊）讓原本極難維護的AI決策循環變得像畫流程圖一樣直觀。