---
type: study
created: 2026-08-11
updated: 2026-08-11
sensitivity: private
status: active
tags:
  - study
  - langchain
  - architecture
  - agents
topic: LangChain Build 总览与技术选型
sources:
  - https://docs.langchain.com/build-overview
last_verified: 2026-08-11
---
# Build 总览与技术选型

## 核心结论

LangChain 的开源栈不是三套互斥方案，而是同一技术栈上不同抽象层级的入口：

- **Deep Agents**：面向复杂、长时间运行的任务，预置规划、子代理、虚拟文件系统和长期记忆；适合尽快获得完整 agent harness。
- **LangChain**：可配置的轻量 agent 框架，通过模型、工具、提示词和 middleware 精确组合能力；适合希望保留较高定制性的应用。
- **LangGraph**：低层、有状态的编排运行时，重点解决 durable execution、streaming、memory 和 human-in-the-loop；适合复杂工作流、显式状态机和恢复控制。

三者的选择轴是“需要多少现成能力”和“需要多少底层控制”，不是简单的功能强弱排序。Deep Agents 与 LangChain 都建立在 LangGraph 之上，因此可以先从高层入口起步，在确有需要时下沉到 LangGraph。

## Agent 工程生命周期

官网把完整生命周期分为：

1. **Build**：使用 Deep Agents、LangChain、LangGraph 和集成组件构建 agent。
2. **Test**：通过数据集、评估器与提示词工程评测行为。
3. **Deploy**：将 agent 以可扩展服务部署。
4. **Monitor**：通过 tracing、debugging 和线上 observability 发现问题。

LangSmith 横跨测试、部署与监控，不应只被理解为 trace 查看器。

## 选择建议

| 场景 | 起点 | 原因 |
|---|---|---|
| 复杂研究、编码或多步骤自治任务 | Deep Agents | 内建任务规划、子代理、文件系统与长期记忆 |
| 常规工具调用 agent，需要控制模型、工具和中间件 | LangChain | 抽象适中，组合边界清晰 |
| 工作流状态复杂、需持久化恢复、人工审批或确定性控制 | LangGraph | 显式图编排与运行时能力最完整 |
| 不想从零实现终端编码 agent | Deep Agents Code | 可直接安装运行，并支持模型切换、技能、记忆和 shell 审批 |

## 配套入口

- **Integrations**：连接模型提供商、向量库、retriever 和其他组件。
- **Learn**：教程、概念指南与常见 agent 模式。
- **Reference**：API、错误码、发布说明和迁移指南。
- **Contribute**：文档、代码和生态集成贡献流程。

## 后续验证问题

- Python 与 TypeScript 两套文档的能力是否完全对齐，哪些功能存在发布时间差异？
- Deep Agents 的默认 harness 在生产环境中的容错、安全隔离和权限边界如何实现？
- LangChain agent 与直接使用 LangGraph 的迁移边界、状态兼容性和观测能力如何衔接？

## 来源

- [Build overview](https://docs.langchain.com/build-overview)
- [[Study/langchain/README|LangChain Docs 系统学习]]
- [[Study/langchain/Progress|全站覆盖进度]]