实
LangGraph
LangChain 的低层 agent 编排框架——用 StateGraph 定义节点和边的有向图
LangGraph 是隐式循环架构（Claude Agent SDK、Codex）的主要对比范式，代表了 agent 编排的两极之一。显式图架构：流程在编译时确定，用 StateGraph 定义有向图中的节点和边，可预测性高，调试容易。被 Klarna、Uber、J.P. Morgan 等企业采用，主打 durable execution、human-in-the-loop 和内存管理。
两种编排范式对比
LangGraph（显式图）编译时确定流程可预测性高，调试容易灵活性低，依赖预设路径
隐式循环（Claude/Codex）运行时模型自主决策灵活性高，无需预设路径可预测性低，依赖模型能力
LangGraph 特色功能 Durable Execution 执行状态可持久化——任务中断后可从断点恢复，适合长时运行任务 Human-in-the-loop 内建对人类介入的支持——条件节点可暂停等待人类决策 企业采用 Klarna / Uber / J.P. Morgan——显式图的可审计性更适合企业合规需求
→ Implicit Loop Architecture · Claude Agent SDK · CodexLangGraph Documentation
LangGraph
LangChain 提供的低层 agent 编排框架，采用显式图架构——用 StateGraph 定义节点和边的有向图来编排 agent 行为。
与本 wiki 的关联
LangGraph 是 隐式循环架构（Claude Agent SDK、Codex）的主要对比范式。两者代表了 agent 编排的两极：
- LangGraph：流程在编译时确定，可预测性高，调试容易
- 隐式循环：模型在运行时自主决策，灵活性高，依赖模型能力
被 Klarna、Uber、J.P. Morgan 等企业采用，主打 durable execution、human-in-the-loop、内存管理。
相关实体
- Claude Agent SDK — 隐式循环范式的代表
- Codex — OpenAI 的隐式循环实现
References
sources/langgraph-documentation.md