詳細解釋
LangChain 於 2024 年推出的庫，用於構建有狀態、循環、多 Agent 的複雜 LLM 工作流，與簡單的線性鏈（Chain）相對。
核心概念：
- 圖（Graph）：節點是函數/Agent，邊是轉換條件
- 狀態（State）：跨節點共享的數據結構
- 持久化：狀態可保存到數據庫，支持長時間運行和恢復
- 循環：支持反饋循環（不像 DAG 只能線性）
典型用例：
- 多 Agent 協作：研究員 → 寫手 → 編輯 → 審核，循環直到通過
- 人機協作：Agent 執行 → 人類批准 → 繼續/修改
- 複雜 RAG：檢索 → 評估相關性 → 若不足重新查詢
- 持久對話：客服機器人記憶跨天對話
代碼風格：
- 聲明式：定義圖結構，LangGraph 處理執行
- 與 LangChain 整合：節點可以是任意 Runnable
- 檢查點：自動保存狀態，支持容錯和重放
與競品對比：
- vs LangChain Expression Language：LCEL 是線性管道，LangGraph 是圖
- vs AutoGen：AutoGen 更專注對話和多 Agent，LangGraph 更靈活通用
- vs Temporal/Cadence：那些是通用工作流引擎，LangGraph 專為 LLM 優化
商業模式：
- 開源（MIT）
- LangSmith 整合：監控 LangGraph 執行
- 企業支持：優先響應和咨詢
這反映了 LLM 應用的複雜化—— 從簡單問答到複雜工作流程，需要更強大的編排工具。