“ 框架的发展存在其局限性，因此我们千万不能缚手缚脚，钻牛角尖。”
学习一个框架，学会怎么使用只是第一步，更重要的是要理解其背后的设计哲学，这样才能更好的使用框架，理解其背后的原理，并吸收其好的设计思想并融入到自己的系统中。
Langchain1.x的设计哲学
Langchain顾名思义，其核心在于chain也就是链，其原理是把多个环节通过一条链串联起来执行，具体来说就是一个sequence或者pipeline。
在老版本的Langchain中，链式调用是通过LLMChain对象实现的，这种方式虽然能实现链式的思想，但由于其是基于指令式编程的思想，使其扩展性不太好，对输入和输出的格式有特定的要求。
而在0.3版本之后，Langchain引入了管道符|和runnable的思想，也就是LCEL表达式，其本质其实还是链式调用的思想，但其在实现上却有了很大的优化；相比于传统的LLMChain，runnable的灵活性更强，扩展性也更强，而且只需要使用管道符串联起来即可，操作方便。
因此，其在生成式模型应用中，具有良好的表现，如下代码：
chain = prompt | llm | output_parser但是在langchain1.x版本中，我们发现在官方文档中很难找到LCEL或者管道符的说明，原因是Langchain1.x把runnable内化到整个Langchain体系中，其好像不在了，但又好像无处不在。
在Langchain1.x中，整体被分为三个类型，Langchain，Langgraph和deepagents。
其区别是Langchain是对原生接口的封装，使得开发更加简单方便，优点是灵活性强，缺点是学习曲线高，特别是在Langchain1.x之后，面对传统的生成式任务，其学习难度直线上升。
而Langgraph是为了复杂智能体场景开发的框架，其在复杂应用中有更好的设计理念和实现方法；但同样不易于理解。
至于deepagents就是一个高度封装的智能体开发框架，提供了在复杂场景中开箱即用的脚手架；但同样，由于其高度封装的特性，其在快速测试和开发阶段很有用。但也正因此，其灵活性不足，不利用定制扩展。
当然，虽然Langchain家族针对不同的场景开发了不同的框架，但并不代表这三者是完全独立的；而应该说它们是一个递进的过程，想快速开发就用deepagents，想学习就用Langchain原生开发。
并且并不是说Langchain专门针对智能体开发进行了优化和封装，就不能进行简单生成式任务开发了；简单的多轮对话功能，使用runnable可以实现，使用Langchain的create_agent也可以实现，同样使用Langgraph也可以实现。只不过，使用runnable做起来最简单，也更容易理解。
总之，从技术发展的角度来看，大模型应用场景和技术还在快速迭代，同样Langchain版本也在快速迭代，其设计理念有时并不完全符合我们的业务需求；因此，在当前大模型应用快速发展的时刻，我们不应该被框架限制住手脚，应该理解其底层逻辑，在框架的基础上完善我们的系统，查漏补缺。