LangChain 1.0 & LangGraph 1.0 正式發(fā)布：AI 智能體從「原型玩具」邁入「企業(yè)級系統(tǒng)」的關(guān)鍵一躍 原創(chuàng)
大家好，我是玄姐。
2025 年 10 月 22 日，LangChain 官方團隊宣布了一個足以震動 AI 開發(fā)圈的消息，LangChain 與 LangGraph 兩大核心框架同步發(fā)布 1.0 版本。這不僅是框架迭代的里程碑，更是對過去數(shù)年社區(qū)反饋的集中回應(yīng)，為 AI Agent 從原型開發(fā)走向生產(chǎn)落地提供了更穩(wěn)定、更靈活的技術(shù)底座。
一、為什么 1.0 版本值得關(guān)注？
在此之前，LangChain 雖憑借高 level 抽象成為 AI Agent 開發(fā)的熱門工具，但也面臨不少痛點：抽象層過重、包體積臃腫、自定義 Agent 循環(huán)時需深入底層調(diào)用等，而 LangGraph 作為偏向底層的運行時框架，雖支持復(fù)雜流程控制，卻缺乏標準化的生產(chǎn)級功能。
1.0 版本的核心目標，就是解決這些痛點：
- 穩(wěn)定性承諾
明確聲明在 2.0 版本前不會有破壞性更新，為企業(yè)級應(yīng)用提供可靠保障；
- 功能聚焦
LangChain 精簡核心能力，LangGraph 強化生產(chǎn)特性，兩者分工更清晰；
- 生態(tài)統(tǒng)一
同步推出全新設(shè)計的官方文檔站，Python 與 JavaScript 版本的教程、API 參考首次整合，降低跨語言開發(fā)門檻。
更關(guān)鍵的是，LangChain 1.0 的 Agent 能力完全基于 LangGraph 運行時構(gòu)建，這意味著開發(fā)者無需在 “快速開發(fā)” 和 “靈活控制” 之間二選一，可根據(jù)需求自由切換，真正實現(xiàn) “無鎖定開發(fā)”。
二、LangChain 1.0：3 大核心升級，讓 AI Agent 開發(fā)更快、更靈活
LangChain 1.0 的定位是 “最快構(gòu)建 AI Agent 的工具”，圍繞 “簡化流程、增強控制、統(tǒng)一標準” 三大方向做了深度優(yōu)化，其中這幾個新特性最值得開發(fā)者關(guān)注：
2.1 全新 ??create_agent?? 抽象：一行代碼搭建 Agent
過去用 LangChain 構(gòu)建 Agent 需配置多個組件，而 1.0 推出的 ??create_agent?? 函數(shù)將核心流程高度封裝，只需指定模型、工具和提示詞，就能快速生成可用的 Agent。
以 “天氣查詢 Agent” 為例，代碼簡潔到令人驚喜：
from langchain.agents import create_agent
# 定義Agent：指定模型、工具、系統(tǒng)提示詞
weather_agent = create_agent(
model="openai:gpt-5", # 支持主流模型提供商，無需修改代碼切換
tools=[get_weather], # 傳入自定義工具
system_prompt="Help the user by fetching the weather in their city.",
)
# 調(diào)用Agent獲取結(jié)果
result = agent.invoke({"role": "user", "what's the weather in SF?"})
其背后的核心邏輯是標準化的 Agent 循環(huán)：2.2 middleware 中間件：精細控制 Agent 每一步
很多開發(fā)者吐槽 “Agent 流程太固化，自定義難”，而 1.0 新增的 ??middleware?? 機制徹底解決了這個問題。它通過 “鉤子函數(shù)”，允許你在 Agent 循環(huán)的關(guān)鍵節(jié)點插入自定義邏輯，官方還貼心提供了 3 個常用中間件：
- Human-in-the-loop（人工介入）
執(zhí)行工具前暫停，等待用戶確認 / 修改，特別適合涉及外部系統(tǒng)調(diào)用、敏感操作的場景（如自動發(fā)郵件、轉(zhuǎn)賬）；
- Summarization（歷史總結(jié)）
對話歷史接近模型上下文上限時，自動壓縮舊信息、保留新內(nèi)容，避免 Token 溢出，同時保證長對話性能；
- PII 脫敏
通過模式匹配自動識別并隱藏郵箱、手機號、社保號等敏感信息，助力合規(guī)開發(fā)。
如果你有特殊需求，還能自定義中間件，鉤子覆蓋 “Agent 啟動前→模型調(diào)用前→工具執(zhí)行→結(jié)果返回后” 全流程，靈活度拉滿。
2.3 標準內(nèi)容塊：跨模型兼容不再是難題
LangChain 支持 OpenAI、Anthropic 等上百個模型提供商，但不同廠商的輸出格式差異一直是痛點，切換模型后，流式輸出、UI 渲染、記憶存儲可能全部失效。
1.0 版本在 ??langchain-core??? 中新增 ??content_blocks?? 屬性，為所有模型輸出定義了統(tǒng)一標準：
- 無論用哪個模型，輸出內(nèi)容類型（文本、工具調(diào)用、引用）保持一致；
- 支持推理軌跡、引用標注、服務(wù)端工具調(diào)用等高級功能；
- 完全向后兼容，舊代碼無需修改即可使用。
這意味著開發(fā)者可以在一個應(yīng)用中自由切換模型，無需重構(gòu)下游邏輯，真正實現(xiàn) “Provider Agnostic”（提供商無關(guān)）。
三、LangGraph 1.0：為生產(chǎn)級 AI Agent 而生的底層框架
如果說 LangChain 1.0 是 “快速建房的模板”，那 LangGraph 1.0 就是 “堅固的地基與框架”，它聚焦于解決 AI Agent 落地生產(chǎn)時的核心痛點，尤其適合復(fù)雜、長周期的工作流。
其 1.0 版本的核心特性，每一個都直擊生產(chǎn)需求：
3.1 持久化狀態(tài)：中斷后無縫續(xù)跑
AI Agent 運行時最怕什么？服務(wù)器重啟、網(wǎng)絡(luò)中斷、長流程被打斷。LangGraph 1.0 實現(xiàn)了 Agent 執(zhí)行狀態(tài)的自動持久化，哪怕對話中途服務(wù)器宕機，重啟后也能精準恢復(fù)到中斷前的狀態(tài)，用戶無需重新輸入，Agent 無需重新執(zhí)行步驟。
比如：一個 “多步驟合同審核 Agent”，執(zhí)行到第 3 步時服務(wù)器重啟，恢復(fù)后會直接從第 3 步繼續(xù)，不會重復(fù)前兩步的計算。
3.2 內(nèi)置持久化：無需自定義數(shù)據(jù)庫
為了實現(xiàn)狀態(tài)持久化，過去開發(fā)者需要自己搭建數(shù)據(jù)庫、設(shè)計存儲邏輯。LangGraph 1.0 內(nèi)置了持久化能力，無需編寫任何數(shù)據(jù)庫代碼，就能實現(xiàn) “保存 / 恢復(fù)工作流”：
- 支持多日審批流程（比如：一個報銷流程分 3 天完成）；
- 支持跨會話的后臺任務(wù)（比如：夜間自動生成報表，次日用戶可查看結(jié)果）。
3.3 原生人工介入：高風(fēng)險場景可控
對于金融、醫(yī)療等敏感領(lǐng)域，AI 不能 “獨斷專行”。LangGraph 1.0 提供了原生的 “人工介入” API，可在工作流中設(shè)置 “審核節(jié)點”，Agent 執(zhí)行到該節(jié)點時會自動暫停，等待人工確認后再繼續(xù)。
比如：一個 “自動轉(zhuǎn)賬 Agent”，可設(shè)置 “轉(zhuǎn)賬金額超過 1 萬元時暫停，需人工審批”，既保證效率，又控制風(fēng)險。
目前，Uber、LinkedIn、Klarna 等企業(yè)已在生產(chǎn)環(huán)境中大規(guī)模使用 LangGraph，其穩(wěn)定性經(jīng)過了實戰(zhàn)驗證。
四、如何選擇？LangChain vs LangGraph 適用場景對比
很多開發(fā)者會問：兩個框架都升級到 1.0 了，該怎么選？其實答案很簡單，兩者不是競爭關(guān)系，而是互補關(guān)系，核心區(qū)別在于 “抽象層級” 和 “適用場景”：
選擇依據(jù) | LangChain 1.0 | LangGraph 1.0 |
核心目標 | 快速構(gòu)建標準 Agent，縮短開發(fā)周期 | 深度定制復(fù)雜工作流，保障生產(chǎn)穩(wěn)定性 |
適用場景 | - 符合 “模型→工具→響應(yīng)” 默認流程的 Agent - 需要快速上線、驗證想法的場景- 依賴中間件做輕度自定義的需求 | - 混合確定性邏輯與 Agent 邏輯的工作流（如 “規(guī)則校驗 + AI 生成”） - 長周期業(yè)務(wù)流程（如多步驟審批）- 高敏感、需精細控制的場景 - 對 latency、成本有嚴格要求的應(yīng)用 |
開發(fā)效率 | 高（高 - level 抽象，開箱即用） | 中（需設(shè)計圖結(jié)構(gòu)，但靈活性更高） |
與對方關(guān)系 | 基于 LangGraph 運行時構(gòu)建，可無縫切換到 LangGraph | 可嵌入 LangChain 生成的 Agent，組成復(fù)雜工作流 |
簡單來說：快速驗證用 LangChain，復(fù)雜生產(chǎn)用 LangGraph，而且兩者可以無縫結(jié)合，比如先用 LangChain 快速搭建 Agent 原型，驗證需求后，再用 LangGraph 擴展復(fù)雜邏輯，無需重構(gòu)代碼。
五、上手指南：安裝與遷移
5.1 安裝命令
LangChain 1.0 和 LangGraph 1.0 已在 PyPI 和 npm 上線，安裝步驟非常簡單：
Python 環(huán)境
# 安裝/升級 LangChain 1.0
uv pip install --upgrade langchain
# 如需兼容舊代碼，安裝 langchain-classic（存放 Legacy 功能）
uv pip install langchain-classic
# 安裝/升級 LangGraph 1.0
uv pip install --upgrade langgraphJavaScript 環(huán)境
# 安裝/升級 LangChain 1.0
npm install @langchain/langchain@latest
# 兼容舊代碼，安裝 langchain-classic
npm install @langchain/langchain-classic
# 安裝/升級 LangGraph 1.0
npm install @langchain/langgraph@latest5.2 重要遷移提示
- Python 版本要求
LangChain 1.0 不再支持 Python 3.9（2025 年 10 月已停止維護），需升級到 Python 3.10+，Python 3.14 支持即將上線；
- 廢棄模塊
LangGraph 的 ??langgraph.prebuilt?? 模塊已廢棄，相關(guān)功能遷移到 ??langchain.agents??；
- 舊代碼兼容
如需繼續(xù)使用 LangChain 舊功能，可通過 ??langchain-classic?? 包調(diào)用，官方提供了詳細的 Python/JavaScript 遷移指南（可在新文檔站查看）。
六、寫在最后
LangChain 與 LangGraph 1.0 的同步發(fā)布，不僅是框架自身的成熟，更標志著 AI Agent 開發(fā)正式進入 “標準化、生產(chǎn)化” 階段。從 9000 萬月下載量，到 Uber、JP Morgan、BlackRock 等巨頭的生產(chǎn)實踐，LangChain 生態(tài)已成為 AI Agent 開發(fā)的重要基礎(chǔ)設(shè)施。
目前，全新的官方文檔站（docs.langchain.com）已上線，整合了 Python、JavaScript 雙語言教程、API 參考和實戰(zhàn)案例，是上手 1.0 版本的最佳入口。如果你正在開發(fā) AI Agent，不妨試試這兩個 1.0 版本，無論是快速驗證想法，還是搭建生產(chǎn)級系統(tǒng)，它們都能提供更高效、更可靠的支持。
好了，這就是我今天想分享的內(nèi)容。
本文轉(zhuǎn)載自??玄姐聊AGI?? 作者：玄姐
