代码修复 Agent 已经能读 Issue、查仓库、改代码、跑测试看起来该会的都会了。面试官只加了三个条件“危险改动先等人确认进程重启后接着跑测试超时只重试测试节点。”然后他问“LangChain 已经能做 Agent为什么还需要 LangGraph”如果你回答“短任务用 LangChain长任务用 LangGraph”他很可能马上追问create_agent 底层就是 LangGraph也能接 checkpointer 和人工审批你为什么还要自己写图01RELATIONSHIP先说结论别按任务长短选LangChain 提供的是高层 Agent 框架模型、工具、提示词和中间件组装好标准的 Agent 循环就能跑起来。LangGraph 是它下面的编排框架与运行时。LangChain 1.0 的 Agent 本身就构建在 LangGraph 之上因此也能获得持久化、流式输出和人工介入等能力。所以使用 LangChain 不代表任务不能暂停和恢复直接使用 LangGraph也不是因为它“比 LangChain 更高级”。真正的判断标准是LangChain 提供的标准 Agent 循环和中间件够不够表达你的业务流程。02QUICK STARTcreate\_agent已经能解决什么还是这个代码 Agent。如果流程主要由模型决定下一步调用什么工具你只需要给写文件、执行命令等危险工具增加审批策略LangChain 已经提供了现成入口。例如给 create_agent 配置 checkpointer再加入 HumanInTheLoopMiddleware就能在指定工具执行前暂停。审核人可以批准、修改或拒绝之后使用同一个 thread ID 恢复任务。工具重试、动态工具选择、模型切换和上下文处理也可以通过 middleware 扩展。此时继续使用 LangChain代码更少团队也更容易维护。03PRODUCTION什么时候需要直接下沉 LangGraph面试官接着把代码 Agent 的流程写在白板上读取 Issue、制定方案、判断风险、修改代码、执行测试、提交结果。这里有大量确定性规则。方案涉及数据库迁移或发布配置时先进入人工确认再执行修改测试超时只重试测试测试断言不通过返回修改节点。与此同时制定方案和修改代码仍然需要模型判断。这时你想控制的已经不只是“哪些工具可以调用”而是整个执行拓扑每个节点做到哪一步、什么条件走哪条边、哪里形成循环哪些步骤可以并行。专用状态是为这套拓扑服务的不是单独的选型理由。需要跳出标准 Agent 循环亲自定义 Node 和 Edge把确定性 Workflow 与模型判断放进同一张执行图里才是直接使用 LangGraph 的主要理由。04RUNTIME能恢复不代表可以随便拆节点LangGraph 的 checkpoint 会在执行过程中保存状态但“只重试失败步骤”并不是自动出现的魔法。如果读取 Issue、修改代码和跑测试全塞进一个节点测试超时后恢复这个大节点仍可能重新执行。想只重跑测试就要把测试拆成独立节点并配置 retry_policy 能识别的超时异常测试断言失败则作为业务结果通过条件边返回修改节点。interrupt() 也有一个容易答错的细节恢复时会从当前节点开头重新执行不是从暂停的那一行继续。因此人工确认最好单独做成节点写文件、提交代码等副作用放到确认之后的节点确实无法避开时再保证幂等。如果使用 LangChain 的 HumanInTheLoopMiddleware批准、修改、拒绝这些语义已经封装好了直接写 LangGraph 时则需要你自己设计暂停节点、恢复值和后续分支。05INTERVIEW ANSWER面试时可以这样回答30 秒面试回答“LangChain 和 LangGraph 不是按短任务、长任务来区分。create_agent 本身运行在 LangGraph 上也能通过 checkpointer 和 middleware 支持持久化及人工审批。标准的模型—工具循环能够表达需求时我会优先用 LangChain当业务需要跳出这个循环接管自定义节点、条件分支、循环或并行拓扑并把确定性 Workflow 与模型判断混合编排时我才会直接使用 LangGraph。代码修复 Agent 里的风险确认、测试重试和失败返工就属于这种情况。”这道题考的不是你记住了多少框架名而是能不能说清楚什么时候用现成抽象什么时候需要接管执行流程。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 面试官：LangChain 能做 Agent，为什么还需要 LangGraph？
代码修复 Agent 已经能读 Issue、查仓库、改代码、跑测试看起来该会的都会了。面试官只加了三个条件“危险改动先等人确认进程重启后接着跑测试超时只重试测试节点。”然后他问“LangChain 已经能做 Agent为什么还需要 LangGraph”如果你回答“短任务用 LangChain长任务用 LangGraph”他很可能马上追问create_agent 底层就是 LangGraph也能接 checkpointer 和人工审批你为什么还要自己写图01RELATIONSHIP先说结论别按任务长短选LangChain 提供的是高层 Agent 框架模型、工具、提示词和中间件组装好标准的 Agent 循环就能跑起来。LangGraph 是它下面的编排框架与运行时。LangChain 1.0 的 Agent 本身就构建在 LangGraph 之上因此也能获得持久化、流式输出和人工介入等能力。所以使用 LangChain 不代表任务不能暂停和恢复直接使用 LangGraph也不是因为它“比 LangChain 更高级”。真正的判断标准是LangChain 提供的标准 Agent 循环和中间件够不够表达你的业务流程。02QUICK STARTcreate\_agent已经能解决什么还是这个代码 Agent。如果流程主要由模型决定下一步调用什么工具你只需要给写文件、执行命令等危险工具增加审批策略LangChain 已经提供了现成入口。例如给 create_agent 配置 checkpointer再加入 HumanInTheLoopMiddleware就能在指定工具执行前暂停。审核人可以批准、修改或拒绝之后使用同一个 thread ID 恢复任务。工具重试、动态工具选择、模型切换和上下文处理也可以通过 middleware 扩展。此时继续使用 LangChain代码更少团队也更容易维护。03PRODUCTION什么时候需要直接下沉 LangGraph面试官接着把代码 Agent 的流程写在白板上读取 Issue、制定方案、判断风险、修改代码、执行测试、提交结果。这里有大量确定性规则。方案涉及数据库迁移或发布配置时先进入人工确认再执行修改测试超时只重试测试测试断言不通过返回修改节点。与此同时制定方案和修改代码仍然需要模型判断。这时你想控制的已经不只是“哪些工具可以调用”而是整个执行拓扑每个节点做到哪一步、什么条件走哪条边、哪里形成循环哪些步骤可以并行。专用状态是为这套拓扑服务的不是单独的选型理由。需要跳出标准 Agent 循环亲自定义 Node 和 Edge把确定性 Workflow 与模型判断放进同一张执行图里才是直接使用 LangGraph 的主要理由。04RUNTIME能恢复不代表可以随便拆节点LangGraph 的 checkpoint 会在执行过程中保存状态但“只重试失败步骤”并不是自动出现的魔法。如果读取 Issue、修改代码和跑测试全塞进一个节点测试超时后恢复这个大节点仍可能重新执行。想只重跑测试就要把测试拆成独立节点并配置 retry_policy 能识别的超时异常测试断言失败则作为业务结果通过条件边返回修改节点。interrupt() 也有一个容易答错的细节恢复时会从当前节点开头重新执行不是从暂停的那一行继续。因此人工确认最好单独做成节点写文件、提交代码等副作用放到确认之后的节点确实无法避开时再保证幂等。如果使用 LangChain 的 HumanInTheLoopMiddleware批准、修改、拒绝这些语义已经封装好了直接写 LangGraph 时则需要你自己设计暂停节点、恢复值和后续分支。05INTERVIEW ANSWER面试时可以这样回答30 秒面试回答“LangChain 和 LangGraph 不是按短任务、长任务来区分。create_agent 本身运行在 LangGraph 上也能通过 checkpointer 和 middleware 支持持久化及人工审批。标准的模型—工具循环能够表达需求时我会优先用 LangChain当业务需要跳出这个循环接管自定义节点、条件分支、循环或并行拓扑并把确定性 Workflow 与模型判断混合编排时我才会直接使用 LangGraph。代码修复 Agent 里的风险确认、测试重试和失败返工就属于这种情况。”这道题考的不是你记住了多少框架名而是能不能说清楚什么时候用现成抽象什么时候需要接管执行流程。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】