🎯 课程主题

介绍 LangChain 生态体系的四大支柱框架（LangChain / LangGraph / DeepAgents / LangSmith），理清它们各自的定位与协作关系。

📝 核心知识点

1. LangChain — 智能体开发的基石

• 概念说明：LangChain 是构建智能体应用的基础框架，提供 Prompt 管理、模型调用、链式调用等基础模块。
• 关键细节：
  • 适合构建简单的智能体应用，无需复杂的工作流编排。
  • 定位为"技术能力层"，解决"快"的问题——快速搭建原型。
  • 支持 Python 和 JS 两种语言实现。

2. LangGraph — 复杂工作流编排引擎

• 概念说明：将智能体内部逻辑抽象为一张有向图（Graph），通过节点（Node）、边（Edge）、状态（State）三要素进行复杂工作流的编排。
• 关键细节：
  • 适合需要精细控制流程的复杂智能体开发。
  • 定位为解决"稳"的问题，让智能体更稳健地运行。
  • 比 LangChain 高一个抽象层次，下一套课程专题讲解。

3. DeepAgents — 高层智能体执行框架

• 概念说明：构建在 LangChain 和 LangGraph 之上的更高层次封装，内置深度规划、长期记忆和多专家协作能力。
• 关键细节：
  • 定位为解决"复杂任务"的问题——遇到大活不必从零构建复杂逻辑。
  • 与 LangChain / LangGraph 的关系：由下往上，抽象层次递增，解决复杂问题的能力递增。

4. LangSmith — 可视化监控与测试平台

• 概念说明：针对智能体开发生命周期的全链路监控、性能评估、问题调试平台。
• 关键细节：
  • 弥补单纯依赖日志和打印输出的不足。
  • 将智能体的开发、调试与运维串联成完整的质量闭环。
  • 后续有专门章节讲解。

🏗️ 架构与工作流

        ┌──────────────┐
        │  LangSmith   │  ← 监控 / 调式 / 评估（贯穿全流程）
        └──────────────┘
        ┌──────────────┐
        │ DeepAgents   │  ← 多智能体协作 / 复杂任务
        ├──────────────┤
        │  LangGraph   │  ← 图编排 / 复杂工作流
        ├──────────────┤
        │  LangChain   │  ← 基础模块 / 快速搭建
        └──────────────┘

• LangChain：基础层，提供链、Prompt、模型调用等基础能力。
• LangGraph：编排层，用有向图定义智能体的执行逻辑。
• DeepAgents：应用层，在 LangChain + LangGraph 之上提供开箱即用的复杂 Agent 能力。
• LangSmith：贯穿全流程的可观察性平台，形成"开发 → 调试 → 运维"闭环。

💻 代码实战

本节课以理论讲解为主，无代码实战。

⚠️ 常见问题与避坑指南

无

💡 个人总结与延伸

本节课厘清了 LangChain 家族四个框架的分工：LangChain 打地基、LangGraph 编流程、DeepAgents 干大活、LangSmith 做保障。实际项目中应根据业务复杂度按需选用，不必一上来就用最高层封装。官网有中文版文档，阅读体验友好，可对照学习。