LangChain 1.0 & LangGraph 1.0 正式发布：AI 智能体从「原型玩具」迈入「企业级系统」的关键一跃
2025 年 10 月 22 日，LangChain 官方团队宣布了一个足以震动 AI 开发圈的消息，LangChain 与 LangGraph 两大核心框架同步发布 1.0 版本。这不仅是框架迭代的里程碑，更是对过去数年社区反馈的集中回应，为 AI Agent 从原型开发走向生产落地提供了更稳定、更灵活的技术底座。【AI大模型教程】
一、为什么 1.0 版本值得关注？
在此之前，LangChain 虽凭借高 level 抽象成为 AI Agent 开发的热门工具，但也面临不少痛点：抽象层过重、包体积臃肿、自定义 Agent 循环时需深入底层调用等，而 LangGraph 作为偏向底层的运行时框架，虽支持复杂流程控制，却缺乏标准化的生产级功能。
1.0 版本的核心目标，就是解决这些痛点：
-
稳定性承诺
明确声明在 2.0 版本前不会有破坏性更新，为企业级应用提供可靠保障；
-
功能聚焦
LangChain 精简核心能力，LangGraph 强化生产特性，两者分工更清晰；
-
生态统一
同步推出全新设计的官方文档站，Python 与 JavaScript 版本的教程、API 参考首次整合，降低跨语言开发门槛。
更关键的是，LangChain 1.0 的 Agent 能力完全基于 LangGraph 运行时构建，这意味着开发者无需在 “快速开发” 和 “灵活控制” 之间二选一，可根据需求自由切换，真正实现 “无锁定开发”。
二、LangChain 1.0：3 大核心升级，让 AI Agent 开发更快、更灵活
LangChain 1.0 的定位是 “最快构建 AI Agent 的工具”，围绕 “简化流程、增强控制、统一标准” 三大方向做了深度优化，其中这几个新特性最值得开发者关注：
2.1 全新 create_agent 抽象：一行代码搭建 Agent
过去用 LangChain 构建 Agent 需配置多个组件，而 1.0 推出的 create_agent 函数将核心流程高度封装，只需指定模型、工具和提示词，就能快速生成可用的 Agent。
以 “天气查询 Agent” 为例，代码简洁到令人惊喜：
from langchain.agents import create_agent
# 定义Agent：指定模型、工具、系统提示词
weather_agent = create_agent(
model="openai:gpt-5", # 支持主流模型提供商，无需修改代码切换
tools=[get_weather], # 传入自定义工具
system_prompt="Help the user by fetching the weather in their city.",
)
# 调用Agent获取结果
result = agent.invoke({"role": "user", "what's the weather in SF?"})
其背后的核心逻辑是标准化的 Agent 循环：
2.2 middleware 中间件：精细控制 Agent 每一步
很多开发者吐槽 “Agent 流程太固化，自定义难”，而 1.0 新增的 middleware 机制彻底解决了这个问题。它通过 “钩子函数”，允许你在 Agent 循环的关键节点插入自定义逻辑，官方还贴心提供了 3 个常用中间件：
-
Human-in-the-loop（人工介入）
执行工具前暂停，等待用户确认 / 修改，特别适合涉及外部系统调用、敏感操作的场景（如自动发邮件、转账）；
-
Summarization（历史总结）
对话历史接近模型上下文上限时，自动压缩旧信息、保留新内容，避免 Token 溢出，同时保证长对话性能；
-
PII 脱敏
通过模式匹配自动识别并隐藏邮箱、手机号、社保号等敏感信息，助力合规开发。
如果你有特殊需求，还能自定义中间件，钩子覆盖 “Agent 启动前→模型调用前→工具执行→结果返回后” 全流程，灵活度拉满。
2.3 标准内容块：跨模型兼容不再是难题
LangChain 支持 OpenAI、Anthropic 等上百个模型提供商，但不同厂商的输出格式差异一直是痛点，切换模型后，流式输出、UI 渲染、记忆存储可能全部失效。
1.0 版本在 langchain-core 中新增 content_blocks 属性，为所有模型输出定义了统一标准：
- 无论用哪个模型，输出内容类型（文本、工具调用、引用）保持一致；
- 支持推理轨迹、引用标注、服务端工具调用等高级功能；
- 完全向后兼容，旧代码无需修改即可使用。
这意味着开发者可以在一个应用中自由切换模型，无需重构下游逻辑，真正实现 “Provider Agnostic”（提供商无关）。
三、LangGraph 1.0：为生产级 AI Agent 而生的底层框架
如果说 LangChain 1.0 是 “快速建房的模板”，那 LangGraph 1.0 就是 “坚固的地基与框架”，它聚焦于解决 AI Agent 落地生产时的核心痛点，尤其适合复杂、长周期的工作流。
其 1.0 版本的核心特性，每一个都直击生产需求：
3.1 持久化状态：中断后无缝续跑
AI Agent 运行时最怕什么？服务器重启、网络中断、长流程被打断。LangGraph 1.0 实现了 Agent 执行状态的自动持久化，哪怕对话中途服务器宕机，重启后也能精准恢复到中断前的状态，用户无需重新输入，Agent 无需重新执行步骤。
比如：一个 “多步骤合同审核 Agent”，执行到第 3 步时服务器重启，恢复后会直接从第 3 步继续，不会重复前两步的计算。
3.2 内置持久化：无需自定义数据库
为了实现状态持久化，过去开发者需要自己搭建数据库、设计存储逻辑。LangGraph 1.0 内置了持久化能力，无需编写任何数据库代码，就能实现 “保存 / 恢复工作流”：
- 支持多日审批流程（比如：一个报销流程分 3 天完成）；
- 支持跨会话的后台任务（比如：夜间自动生成报表，次日用户可查看结果）。
3.3 原生人工介入：高风险场景可控
对于金融、医疗等敏感领域，AI 不能 “独断专行”。LangGraph 1.0 提供了原生的 “人工介入” API，可在工作流中设置 “审核节点”，Agent 执行到该节点时会自动暂停，等待人工确认后再继续。
比如：一个 “自动转账 Agent”，可设置 “转账金额超过 1 万元时暂停，需人工审批”，既保证效率，又控制风险。
目前，Uber、LinkedIn、Klarna 等企业已在生产环境中大规模使用 LangGraph，其稳定性经过了实战验证。
四、如何选择？LangChain vs LangGraph 适用场景对比
很多开发者会问：两个框架都升级到 1.0 了，该怎么选？其实答案很简单，两者不是竞争关系，而是互补关系，核心区别在于 “抽象层级” 和 “适用场景”：
| 选择依据 | LangChain 1.0 | LangGraph 1.0 |
|---|---|---|
| 核心目标 | 快速构建标准 Agent，缩短开发周期 | 深度定制复杂工作流，保障生产稳定性 |
| 适用场景 | - 符合 “模型→工具→响应” 默认流程的 Agent - 需要快速上线、验证想法的场景- 依赖中间件做轻度自定义的需求 | - 混合确定性逻辑与 Agent 逻辑的工作流（如 “规则校验 + AI 生成”） - 长周期业务流程（如多步骤审批）- 高敏感、需精细控制的场景 - 对 latency、成本有严格要求的应用 |
| 开发效率 | 高（高 - level 抽象，开箱即用） | 中（需设计图结构，但灵活性更高） |
| 与对方关系 | 基于 LangGraph 运行时构建，可无缝切换到 LangGraph | 可嵌入 LangChain 生成的 Agent，组成复杂工作流 |
简单来说：快速验证用 LangChain，复杂生产用 LangGraph，而且两者可以无缝结合，比如先用 LangChain 快速搭建 Agent 原型，验证需求后，再用 LangGraph 扩展复杂逻辑，无需重构代码。
五、上手指南：安装与迁移
5.1 安装命令
LangChain 1.0 和 LangGraph 1.0 已在 PyPI 和 npm 上线，安装步骤非常简单：
Python 环境
# 安装/升级 LangChain 1.0
uv pip install --upgrade langchain
# 如需兼容旧代码，安装 langchain-classic（存放 Legacy 功能）
uv pip install langchain-classic
# 安装/升级 LangGraph 1.0
uv pip install --upgrade langgraph
JavaScript 环境
# 安装/升级 LangChain 1.0
npm install @langchain/langchain@latest
# 兼容旧代码，安装 langchain-classic
npm install @langchain/langchain-classic
# 安装/升级 LangGraph 1.0
npm install @langchain/langgraph@latest
5.2 重要迁移提示
-
Python 版本要求
LangChain 1.0 不再支持 Python 3.9（2025 年 10 月已停止维护），需升级到 Python 3.10+，Python 3.14 支持即将上线；
-
废弃模块
LangGraph 的
langgraph.prebuilt模块已废弃，相关功能迁移到langchain.agents； -
旧代码兼容
如需继续使用 LangChain 旧功能，可通过
langchain-classic包调用，官方提供了详细的 Python/JavaScript 迁移指南（可在新文档站查看）。
六、写在最后
LangChain 与 LangGraph 1.0 的同步发布，不仅是框架自身的成熟，更标志着 AI Agent 开发正式进入 “标准化、生产化” 阶段。从 9000 万月下载量，到 Uber、JP Morgan、BlackRock 等巨头的生产实践，LangChain 生态已成为 AI Agent 开发的重要基础设施。
目前，全新的官方文档站（docs.langchain.com）已上线，整合了 Python、JavaScript 双语言教程、API 参考和实战案例，是上手 1.0 版本的最佳入口。如果你正在开发 AI Agent，不妨试试这两个 1.0 版本，无论是快速验证想法，还是搭建生产级系统，它们都能提供更高效、更可靠的支持。
好了，这就是我今天想分享的内容。如果你对构建企业级 AI 大模型应用新架构设计和落地实践感兴趣，别忘了点赞、关注噢~
