LangChain vs LangGraph vs Deep Agents：什么时候用哪个

问题

同样叫「做 Agent」，选项却有三套。选错会让简单需求变重，或让复杂需求绑手绑脚。

三者关系（按官方定位）

层级	入口	适合
LangChain Agents	create_agent	可定制 harness 的通用 Agent
LangGraph	StateGraph 等	需要精确控制图结构、中断、并行
Deep Agents	create_deep_agent	长任务、规划、文件系统、子 Agent 开箱即用

可以粗略理解为：

Deep Agents  → 预装能力包（基于 create_agent）
create_agent → 中等控制的 harness
LangGraph    → 底层编排

场景对照

场景 A：一个工具调用助手
用 create_agent 就够。不要上 Deep Agents 全家桶。

场景 B：要分类路由到不同 Agent
用 LangGraph 把「分类节点」和「子 Agent 节点」串起来更清晰。

场景 C：长时间调研/编码，要计划、文件、子任务
Deep Agents 更合适：规划、虚拟文件系统、子 Agent、摘要等默认就有。

我的判断标准

1. 先问：要不要复杂拓扑？要 → LangGraph
2. 再问：要不要长任务基础设施？要 → Deep Agents
3. 否则 → create_agent，需要再挂中间件

一句话

别用「最重的框架」证明专业。
能跑通当前需求的最薄一层，才是好选型。