应该如何开始学习 Langchain/Langgraph?
【AI大模型教程】 01
LangChain 生态
截止 2025-11-01，基于最新 V1.0 版本，langchain 生态可以概括为以下 2 点：
Open Source: Langchain / Langgraph
开源免费的，用于智能体编排和开发的框架。
LangSmith
langchain 提供的收费服务的观测平台，用于跟踪每一个步骤输出、调试，以及基于自定义数据集进行测试智能体表现。
02
LangChain 和 LangGraph 的关系
V1.0 开始，langchain 的改变之一：
LangGraph 1.0 弃用了 langgraph.prebuilt 模块（包括其中的 create_react_agent），将增强后的功能迁移到 langchain.agents 中作为 create_agent。而 create_agent 底层是基于 LangGraph 实现的。
Langchain
保持易用性的初心，同时因为 create_agent 函数的引入，将其从之前的实验性开发实现转变为生产级应用开发。
Langgraph
转为复杂动态、精细控制、持久化运行的长任务设计。langgraph 依赖 langchain 提供的组件，提供的低层级高可定制的实现。同时上手相对于 langchain 较难。
03
何时选择 Langchain 或 langgraph？
选择 langchain
当你想快速开始，并构造一个简单的生产级别应用，这里的简单，通常指：一个 LLM挂载一个或多个工具的典型 REACT
选择 langgraph
当你需要构建 agentic workflow - 也就是需要一个工作流，并在流中的某些节点实现上图所示的 React agent。
我个人的经验是： 对于大多数面向数据的业务 agent，例如牵涉的工具实现数据分析、机器学习模型的场景，很适合选用 langgraph。
04
我应该如何学习？
每个人的学习方式，不同，我仅以基于 python 版本的 langgraph 分享自己的学习路径：
第一阶段 python (1-3个月)
python 是必须的，我虽然是用了一年学习 python，单从应用角度，推荐大家去 bili 找排名高的 python 教程，大概 1-3 个月可以掌握核心概念。
但是切记： 不要只是看视频，要用手敲每一行代码。
第二阶段 langchain (3 个月)
通读 langchain 文档和复刻代码，或者跟着我接下来公众号分享，我也会基于自己认为的最佳路径分享。
第三阶段 langgraph (3~6个月)
通读 langgraph 文档和复刻代码。
