LangChain 框架

Langchain发布官方Agent IDE，不同于Dify/Coze的设计理念，能否获得开发者认可？

2024 年 8 月 4 日

不得不说，LLM时代已经从模型竞争全面进入应用开发工具链竞争阶段。位于中间层的平台层具有非常强的生态性和垄断性，向下对接越来越多样化的模型及差异化AI基础设施，向上承接不同领域的垂直应用，宛如“国家电网”一般具有极大的想象空间，向下对接各种发电厂（风电厂、火电厂、蓄电站…），向上对接各类电气应用（电灯，电视…），这样独特的定位吸引了国内外一大批巨头押注。

Langchain以框架起家，提供代码级工具包，降低LLM开发门槛，在过去一年里获得了很多开发者，帮助开发者快速构建AI应用。同时，还存在一波希望更低门槛，专注业务应用本身的用户群（包含非专业程序员），未能被满足，这就给了构建其上的Langflow，Flowise等平台产品生存机会，得以进一步向端到端，低门槛扩展。国内厂商也纷纷押注低代码的LLM应用开发平台，其中以Coze和Dify最具代表性，由于产品设计运营得当，这两款产品在国内外都收获不少粉丝，呈现出巨大的潜力。似乎相较于盯着dark theme的代码编辑器，更多用户喜欢可视化直观的方式开发自己的应用，这也让本身在这一领域的领头羊Langchain、llamaindex感受到压力（本文先谈谈Langchain动作，下一篇来看看llamaindex的动作，欢迎关注）。另一方面，细粒度的、灵活的编排能力即Agentic workflow的概念变得越来越成为共识，简单依靠LLM的能力和固化的流程当下是难以实际落地的，这也催生了拥有大量复杂逻辑的应用流程，如何开发调试它们成了新的难题。

Langchain作为在Agent开发领域最早探索的玩家，也意识到这一问题，在今年一月初就推出了LangGraph实验版本，六月底推出稳定版本0.10，定位Agent应用编排开发工具，旨在打开黑盒，提高可控性。相较于Dify等低代码可视化工具，LangGraph走的是编程式路线，但这类方法有优点也有缺点，优点是延续langchain的用户群习惯，缺点是面对复杂的流程逻辑，开发调试都不够直观。近日（8.1），为了解决这一问题，Langchain进一步的推出了基于LangGraph的Agent IDE——LangGraph Studio（https://github.com/langchain-ai/langgraph-studio），支持可视化的进行agent开发调试。这种高代码配合可视化调试界面的解法与微软推出AutoGen Studio如出一辙（延伸阅读：两款图形化工具AutoGen Studio、X-force，有望加强MultiAgent框架AutoGen的优势地位（精彩实例））。熟悉大数据调度编排工具airflow的朋友可能会感觉似曾相识。

和传统编程不同，LLM应用开发的一大特点就是迭代式，开发过程需要不断的和LLM进行交互，并基于反馈改进提示或者逻辑，因此，LangGraph Studio为了满足这样的需求，在设计上有一些特点，比如可以直观的根据视图不断优化应用，并且通过类似可视化的修改中间环节节点的逻辑和数据，使得调试验证更加简单，加速开发迭代速度。同时支持与Langsmith集成，进一步提升可观测性。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

Langchain发布官方Agent IDE，不同于Dify/Coze的设计理念，能否获得开发者认可？

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单