很多开发者在接触 AI Agent 开发时，面对 LangChain、LangGraph、Deep Agents 这三个名字往往一头雾水。它们都是 LangChain 官方出品，却各有侧重。

🤔 为什么会有这三个东西？

随着 AI Agent 应用越来越复杂，从"调用一次 LLM 返回结果"，到"长期运行、自主规划、协作执行"，开发者的需求层次不断提升。

LangChain 团队将 Agent 开发工具分成了三个层级：

• Langchain：（Agent Framework）帮你快速上手
• LangGraph：（Agent Runtime）帮你稳定跑起来
• DeepAgents：（Agent Harness）帮你搞定复杂任务

三者不是竞争关系，而是分层叠加的关系。

01

第一层：Agent 框架 —— LangChain

LangChain 是一个 Agent 开发框架，提供了一系列开箱即用的抽象层，让开发者可以快速构建基于 LLM 的应用和 Agent。

它的核心价值在于：

• 标准化抽象：统一了模型调用、工具调用、Agent 循环等接口

• • Model 抽象

• • Tool 工具调用

  • Agent Loop

  • Prompt 管理

  • Middleware

• 丰富的集成：接入几乎所有主流 LLM、向量数据库、工具服务
• 快速启动：不需要了解底层运行时，就能跑起来一个 Agent

适合什么场景？

✅ 快速验证 Agent 原型
✅ 团队统一 AI 开发规范
✅ 构建相对简单的 Agent 应用
✅ 不需要复杂编排逻辑的场景

同类产品

Vercel AI SDK、CrewAI、OpenAI Agents SDK、Google ADK、LlamaIndex 都属于这一层。

02

第二层：Agent 运行时 —— LangGraph

LangGraph 是一个低层级的 Agent 编排框架和运行时，专为生产环境中长期运行、有状态的 Agent 设计。

事实上，LangChain 1.0 本身就是构建在 LangGraph 之上的。

如果 LangChain 是 开发框架，那 LangGraph 就是 Agent 的操作系统。

它的核心价值在于：

• 持久化执行：Agent 遇到故障可以从断点恢复，支持超长时间运行
• 流式输出：支持流式工作流和响应
• 人工介入（HITL）：支持在 Agent 执行过程中插入人工审核和干预
• 状态持久化：线程级和跨线程的状态管理
• 精细控制：不依赖高层抽象，直接掌控 Agent 编排逻辑

适合什么场景？

✅ 需要对 Agent 编排有精细控制
✅ 构建需要持久化执行的长期 Agent
✅ 确定性步骤与 AI 步骤混合的复杂工作流
✅ 生产环境的 Agent 部署基础设施

同类产品

Temporal、Inngest 、pi-agent-core(OpenClaw 运行时)等持久化执行引擎也属于这一层。

03

第三层：Agent Harness —— Deep Agents SDK

Deep Agents SDK 是一个开箱即用型"的 Agent 套件，在 LangGraph 之上增加了规划能力、文件系统、子 Agent 等高级功能。

它的核心价值在于：

• 规划能力：内置任务列表，让 Agent 能追踪多个子任务
• 子 Agent 委派：将工作拆解并交给子 Agent 执行，保持上下文整洁
• 文件系统支持：支持在不同存储后端读写文件
• Token 管理：自动压缩对话历史、清理过大的工具返回结果

适合什么场景？

✅ 需要长时间自主运行的 Agent
✅ 处理复杂、多步骤任务（如搜索结果整理、脚本生成）
✅ 想直接使用预置工具（文件操作、bash 执行等）
✅ 想用预置提示词和子 Agent 加速开发

同类产品

Claude Agent SDK、Manus 、PI-coding-Agent（OpenClaw）以及各类编程 CLI 工具都属于这一层。

04

功能对比

怎么选？

• 刚入门 / 快速做原型

   → 用 LangChain

• 要上生产 / 需要长期稳定运行

   → 用 LangGraph

• 任务很复杂 / 希望 Agent 更自主

   → 用 Deep Agents SDK

三者并非互斥，复杂项目完全可以同时用到这三层。从 LangChain 快速搭建，用 LangGraph 打磨生产稳定性，再用 Deep Agents 赋予 Agent 更强的自主能力——这才是完整的 LangChain 生态玩法。

最后

从0到1！大模型(LLM)最全学习路线图，建议收藏！

想入门大模型(LLM)却不知道从哪开始? 我根据最新的技术栈和我自己的经历&理解，帮大家整理了一份LLM学习路线图，涵盖从理论基础到落地应用的全流程!拒绝焦虑，按图索骥~~

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取