01 LangGraph 不是"链"，是"图"

01.1 我是怎么被"链"劝退的

2024 年我第一次用 LangChain 写客服。流程是线性的：调模型、抽实体、查库、再调模型。

链路一长，问题就来了。用户改了主意，我得回头重跑前面几步。代码里全是 if-else 绕来绕去。

我当时就想：这哪是智能体，这是一根不能回头的面条。

2025 年 10 月，LangGraph 发布 1.0。我重写了那个客服。循环、分支、回溯，全成了"图"上的自然动作。

标叔的经验：一次真实故障

有回客服 Agent 查库失败，旧链路直接崩给用户。换成图之后，我加了一个"失败→重试→人工"的分支。同样的故障，用户只看到一句"正在为您转人工"。这一下，我就回不去了。

01.2 LangGraph 在 2026 生态里到底算什么

很多人以为 LangGraph 是 LangChain 的一个"升级版"。这话不对，得重新说清楚。

2026 年的官方定位是四层：

层	角色	一句话
LangGraph	编排运行时	负责持久化、流式、人机协同、状态
LangChain	框架	管模型、工具、Agent 循环的抽象与集成
Deep Agents	上层封装（harness）	在 LangGraph 上做规划、子代理、文件系统
LangSmith	平台	追踪、评估、部署，跨框架通用

你看，LangGraph 不替你写提示词，也不规定 Agent 架构。它只管一件事：把"长流程、有状态"跑稳。

这就是它和"链"的本质区别。链是固定的线。图是可以循环、可以分叉、可以暂停的网络。

重点看：上表第一列。 LangGraph 只做"编排运行时"。这句话理解了，后面全通。

01.3 为什么是"图"

我把 Agent 的工作方式分成三类，类比一下你就懂：

• 脚本是你的菜谱，一步一步照做。
• 链是你的传送带，串好就走。
• 图是你的城市地铁网，可以换乘、可以绕路、可以原路返回。

Agent 的真实任务从来不是直线的。它会："查一下→不对→再查→问人→总结"。

只有图能自然表达这种"带循环和判断"的流。

01.4 你适不适合用 LangGraph

我先给结论：

• 你要做"对话机器人"、单次问答 → 用 LangChain 的 create_agent 就够了，别上 LangGraph。
• 你要做"跑很久、要记住上下文、中途要人审批、会循环自己纠错"的系统 → LangGraph 是正解。

核心建议：先问自己"流程会不会回头" 不会回头，别用图。会回头，LangGraph 省你一半代码。

▸ 向前桥接 概念清楚了。下一章，我们 5 分钟真跑一个 Agent。