LangChain 与 LlamaIndex:知识代理等人审批后,怎样接着做?
内部知识代理既要查资料,又要审批后写入业务系统。若恢复位置和执行历史是主要设计约束,优先评估 LangGraph;若已有 LlamaIndex 数据与工具体系,可沿用 Workflows,但须明确快照与恢复由谁负责。两者都不能替代业务动作去重。
内部知识助手回答完制度问题,还要根据答案创建工单,风险就从“答得对不对”扩展到了“人批准了什么、进程重启后会不会再建一张单”。对开发这类单代理应用的团队,LangChain 与 LlamaIndex 都能接工具、保存状态和等待人工输入;选择关键是恢复机制怎样进入自己的服务。
如果团队要把暂停位置、状态历史和重启恢复作为统一执行机制,优先评估 LangChain 生态中的 LangGraph。如果团队已经围绕 LlamaIndex 构建检索与工具,且愿意管理事件和持久化,沿用它的 Workflows 有充分理由。 Python 文档分析,不是运行测试,也不保证故障恢复效果。
先确定正在比较哪一层
LangChain 官方概览区分了几层:LangChain 的 create_agent 提供可组合的代理循环;LangGraph 是底层编排框架;Deep Agents 在其上提供更完整的代理框架;LangSmith 用于跟踪、调试与评估等平台能力。本文讨论自建代理的执行控制,不能把购买 LangSmith 或采用 Deep Agents 当成配置 LangGraph 持久化的同义词。
LlamaIndex 框架也早已包含代理与事件驱动的 Workflows,检索只是代理可调用的一类工具。它与 LlamaCloud 文档服务应分开评估;当前官方页面也把相关托管解析与索引能力呈现在 LlamaParse 平台下。接入这些服务,不代表自己的代理进程已经具备恢复能力。
同一个审批点,两种表达方式
假设助手查到设备报修政策,准备创建工单。审批界面应显示拟提交的设备、问题描述和接收队列,并把同意绑定到这一版参数。这是本文的设计场景,而非厂商客户案例。
LangGraph 通过 interrupt 暂停,在恢复时使用 Command 提供人工输入。应用需要配置 checkpointer,并用同一个 thread_id 找回执行状态。它适合把“检索、形成待审动作、执行写入”拆成明确节点,便于检查每个阶段保存了什么。
LlamaIndex 的人工参与示例则让工具等待事件:通过 InputRequiredEvent 请求输入,用 HumanResponseEvent 返回回应,wait_for_event 负责等待。已有事件消费服务的团队可以顺着这套接口接审批界面;人审身份核验、参数版本和拒绝后的业务处理仍需由应用定义。
两者都允许把人工输入接入执行流程。审批按钮本身不是权限系统:不要让任意客户端只提交一个“同意”,就能恢复其他人的工单。
保存上下文,还要保存到正确时刻
LangGraph 的 checkpointer 按 super-step 保存图状态,并以 thread 组织检查点。自建运行时仍要选持久化后端与写入策略,不能把内存示例直接等同于跨进程恢复。它的价值在于提供统一的检查点模型,而不是替团队消除数据库运维。
LlamaIndex 的 Context 可以跨运行复用,并序列化后写入数据库或文件。团队已有可靠的状态存储与事件处理代码时,这种方式容易与现有服务边界对应;但只在整次运行结束后保存,无法保住中途崩溃前的最新进度。
其持久工作流文档给出了运行中捕获状态变化、写快照并恢复 Context 的路径。默认进程内运行方式需要自己管理这段检查点循环;官方同时列出 DBOS 等运行时插件接管持久化与恢复的路线。因此不能说 LlamaIndex 没有恢复能力,也不能把可序列化 Context 当成默认已配置的可靠存储。
人审通过,仍可能重复执行
恢复并不意味着从某一行代码原地继续。LangGraph 中断所在节点会从头执行;LlamaIndex 文档也说明,快照捕获时仍在执行的步骤会重新开始,恢复具有至少一次执行语义。两种设计都要求认真处理副作用。
例如,创建工单的请求已经在工单系统成功,但代理尚未保存成功结果就崩溃了。把写入放到审批之后只能限制何时允许执行,不能阻止恢复后的重复提交。应为这一版已批准的动作保存稳定的操作标识,让接收系统按此去重;若系统不支持幂等请求,应先查询执行结果或转人工核对,不能盲目重试。
同时保存已批准参数、审批人、操作标识和外部工单号,比只保留聊天记录更有用。审批后若目标设备或描述改变,应按业务规则重新审批。以上是应用设计建议,不是任一框架自动提供的事务保证。
用故障边界做最终选择
建议用同一条报修流程验证 3 个位置:等待审批时重启进程;拒绝审批后再次恢复;工单已创建而结果尚未保存时中断。分别检查能否找到原动作、是否保留拒绝结果,以及外部系统是否只出现预期的一张工单。这些是上线前应做的验证,不是本文已取得的测试结果。
需要以检查点和节点边界统一管理上述流程的团队,可以优先试 LangGraph,并把状态后端与幂等工具纳入项目范围。已有 LlamaIndex 检索和事件工作流的团队,可以先验证 Context 快照或适合的持久运行时,不必只为了“支持 Agent”重写已有数据层。
如果应用始终只读、失败后从头回答也可接受,两边的长时恢复设计都未必值得立即引入。真正需要投入的时刻,是助手开始等待审批并改动外部系统;届时,能否证明同一项批准不会造成重复业务动作,比框架名更能决定方案是否可用。
内容说明:本文基于公开资料整理,仅供工具选型参考。产品功能、价格及相关政策可能随时调整,请以官方最新信息为准。
原文出处:docs.langchain.com