LangChain生态

校招考察频度：★ 高频（重点常考·大厂分水岭） 复习主线：LangChain 已经从早期的庞杂链式工具，收敛为以 LangGraph 状态机为底座的现代三层工业架构。校招面试核心聚焦点：三层体系选型（LangChain 组件库 vs LangGraph 状态图运行时 vs DeepAgents 开箱即用 Harness）、LangGraph 核心原语（StateGraph 节点、有向边、条件边）、Checkpointer 状态持久化与时间旅行（Time Travel）、Interrupt 人工审核介入（HITL）、以及与裸写 Python 原生调用的取舍。

LangChain 已经从单一库长成完整生态。2025 年后的事实标准是三层结构：LangChain（组件库）、LangGraph（图运行时）、DeepAgents（一体化 harness）。

分类考频地图

专题	核心子目录/页面	校招考频星级	重点考查要点
LangGraph 状态图运行时	LangGraph 核心模块	★ 高频（核心必考）	StateGraph 状态定义（TypedDict/Pydantic）、Node 与 Conditional Edge、Checkpointer 持久化、Interrupt 人机协同与时间旅行（Time Travel）
LangChain 基础与组件	LangChain 核心模块	★ 高频	LCEL 管道表达式（`\|` 语法）、ChatModels 统一模型抽象、`create_agent` 极简循环、Tool 与 StructuredTool 封装
DeepAgents 高级 Harness	DeepAgents 模块	☆ 中频	一体化开箱即用 Agent Harness、虚拟文件系统操作、Subagents 任务多智能体委派、渐进式 Skills 加载

三层结构

三层结构: 组件 → 运行时 → 一体化 harness

层	定位	代表能力
LangChain	组件库 + 最小 harness	ChatModels、Tool、create_agent、middleware
LangGraph	低层编排运行时	StateGraph、checkpoint、interrupt、Send/Command
DeepAgents	开箱即用的 agent harness	filesystem、subagents、skills、持久记忆

官方定位一句话：LangGraph 是运行时，create_agent 是最小 harness，DeepAgents 是更 opinionated 的 harness，同一套积木。

选型规则

需求	选择
快速搭建、标准 agent 循环	`create_agent`（LangChain 1.0）
复杂流程、精确控制	LangGraph（StateGraph 手绘编排）
长任务、编码类、要文件系统	DeepAgents（create_deep_agent）
生产级可靠	三者都构建在 LangGraph 上，配 LangSmith
只是调模型	不需要框架，直接 SDK

面试话术：先问需求复杂度，再选层。简单循环用 create_agent，需要持久化/中断/多 Agent 上 LangGraph，要开箱即用能力（文件、委派、记忆）用 DeepAgents。

生态配套

LangSmith：可观测、评估、数据集、部署（全链路）
LangServe：把 agent 部署为 REST API（被 LangSmith Deployments 逐步替代）
LangChain 1.0：统一 API（create_agent、ChatModels 抽象），2025 年 10 月 GA

面试追问

三层结构怎么分？ LangChain 组件库、LangGraph 图运行时、DeepAgents 一体化 harness。层层构建
create_agent 和 LangGraph 的关系？ create_agent 是 LangGraph 之上的最小 harness，标准 model-tools 循环；要自定义流程直接写 LangGraph
DeepAgents 和 create_agent 的区别？ DeepAgents 在 create_agent 上加了 filesystem、subagents、skills、记忆，更 opinionated
什么时候不用框架？ 单次调用、简单链式调用，直接模型 SDK 更轻。框架的价值在循环、状态、持久化
生产必备什么？ LangGraph 的持久化（checkpoint）+ LangSmith 的追踪评估。没有可观测性的 agent 无法上线