LangChain+LangGraph V1.0+Deep Agent：智能体开发入门与API成本指南

为什么现在要重新学习LangChain生态

B站UP主肖老师（马世杰）近期发布了一期面向智能体开发者的入门课程，核心观点很明确：LangChain、LangGraph已经更新到V1.0版本，同时官方还推出了一款全新的Deep Agent框架。这次更新不是简单修补，而是一次重构级升级，并且新增了中间件等关键能力。

肖老师给出了一个大胆预判：未来企业里80%的智能体或RAG项目，大概率会基于LangChain、LangGraph以及Deep Agent来构建。他还特别指出，目前在智能体开发的工业级场景中，能把Prompt工程、中间件等能力做得如此完善的框架，他暂时没有发现第二个。

视频中展示LangChain官网的截图，可以看到LangChain、LangGraph和Deep Agent三个框架被并列放在一起。

LangChain官网三框架整合展示

这也解释了为什么这门课要把三个框架放在一起讲——它们本身就是一套技术栈的不同层次，而非孤立工具。

LangChain、LangGraph 与 Deep Agent 的关系：LangChain 是最早流行起来的 LLM 应用编排框架，提供 Prompt 模板、模型封装、工具调用、记忆、检索等基础组件，解决的是“把大模型接进业务代码”的问题。LangGraph 则在此基础上引入了**图结构（Graph）**的编排范式，把智能体的执行流程建模为节点与边，天然支持循环、分支、人工介入和状态持久化，更适合构建多步骤、可回溯的复杂 Agent。而 Deep Agent 是官方在 V1.0 阶段推出的更高层框架，面向“工业级智能体”场景，内置了任务规划、子智能体调度、中间件等能力。三者并非替代关系，而是从底层组件（LangChain）到流程编排（LangGraph）再到开箱即用的智能体范式（Deep Agent）的递进式技术栈。

大模型工程师的三层能力模型

在进入框架细节之前，肖老师提出了一个值得所有大模型从业者对标的能力分层标准。他认为“会调用DeepSeek^广告”远不等于“会大模型”。

第一层：会调用

这是最基础的门槛。UP主强调，你不仅需要掌握单一模型的调用，还必须覆盖市面上主流的大模型种类，包括：

通用语言推理模型
多模态理解模型
文本切入模型
多模态切入模型
多模态解析模型（例如DeepSeek OCR这类模型）
垂直领域大模型

他建议每一类模型至少实际使用过三种以上。

第二层：会私有化部署与推理

这一层要求开发者能独立完成开源模型的部署推理。据UP主介绍，他在七八月份的课程中已经讲过千问三、DeepSeek R1等模型的私有化部署，但后续计划把这部分内容独立成一门新课，专门覆盖国内外主流大模型的部署与推理框架。

私有化部署与在线调用 API 的本质区别：在线调用只需一个 API Key，模型权重、显存、并发全部由服务商承担；而私有化部署意味着要把开源模型的权重下载到本地或自有服务器上运行，需要自行解决 GPU 显存评估、量化精度选择、推理引擎（如 vLLM、SGLang、Ollama、llama.cpp）、并发调度、上下文长度限制等一系列工程问题。私有化部署的核心价值在于数据不出内网和可控的成本与定制空间，尤其适合金融、医疗、政企等对数据合规敏感的场景。相应地，它对开发者的硬件知识和运维能力要求远高于单纯调用 API，这也是为什么它被单独列为能力模型的第二层。

第三层：会微调与量化

这是最高一层要求，也是当前多数教程缺失的部分。

私有化部署与在线调用路线

微调与量化的基本含义：微调（Fine-tuning）是指在预训练大模型的基础上，用特定领域的标注数据继续训练，使模型在垂直任务上表现更好。常见方式包括全参数微调以及更省资源的 LoRA、QLoRA 等参数高效微调方法。量化（Quantization）则是把模型权重从 FP16 等高精度格式压缩到 INT8、INT4 甚至更低，以大幅降低显存占用和推理成本，代价是可能带来一定精度损失。实践中两者常常结合使用——先用 QLoRA 在量化模型上微调，再以量化格式部署。掌握这一层能力，意味着开发者不只是“使用模型”，而是能够改造模型，这也是当前多数入门教程缺失、却是工业落地必备的技能。

API Token购买策略：60元覆盖主流模型

对于不打算做私有化部署的开发者，UP主给出了一个非常务实的建议——总预算控制在60元以内。具体分配如下：

平台	建议充值	用途
百链	约20元	国内主流开源模型，种类涵盖极广
智谱AI	约15元	GLM-4.5/4.6及搜索工具
中转服务商（如小AI）	约16元	国外模型如Gemini、GPT-4.5、Claude系列
Kimi/月之暗面	约10元	国内模型补充

UP主坦言自己整个2025年在API充值上只花了七十多元，甚至还有被其他同学“偷用”的部分。他的核心态度是：要买，但别买多。

DeepSeek等模型可通过百链平台购买

三个框架的课程结构

肖老师这门课的结构按照官网组织方式展开，统一覆盖：

LangChain V1.0 — 基础编排与组件生态
LangGraph V1.0 — 图结构智能体开发
Deep Agent — 面向复杂工业级智能体的进阶框架

他特别提到V1.0中新增的中间件能力和Deep Agent模块，认为这些是未来自动体开发中“最重要最重要”的部分。

需要注意的是，本期视频本质上是课程开篇的“声明与准备”，私有化部署部分被有意延后到独立新课中讲解。对于想跟着这条路线学习的开发者来说，理解这个整体框架比急于写代码更重要。

私有化部署内容将独立成课

中间件（Middleware）在智能体开发中的作用：在 LangChain V1.0 的语境下，中间件指的是插入在智能体执行流程中的可复用处理模块，用于在模型调用前后统一处理横切关注点，例如上下文压缩、工具调用权限校验、日志与可观测性埋点、敏感信息过滤、失败重试、人工审核拦截等。它的价值在于把这些通用逻辑从业务代码中抽离出来，让智能体的主流程保持简洁，同时保证工业级场景所需的稳定性与合规性。这也是 UP 主认为中间件与 Deep Agent 模块是“最重要最重要”部分的原因——它们决定了智能体能否从 Demo 走向生产环境。