Langchain发布AgentIDE不同DifyCoze设计理念能否得开发者认可

低代码还是高代码？Langchain的Agent IDE探索LLM应用开发新方向

大型语言模型（LLM）的浪潮席卷全球，从最初的模型之争，战火已经蔓延至应用开发工具链的角逐。Langchain，这个从代码框架起家的先行者，在经历了LangGraph的试水后，近日推出了基于LangGraph的Agent IDE——LangGraph Studio，试图在LLM应用开发的浪潮中再次占据先机。此举不仅引发了业界对于低代码与高代码之争的 renewed关注，更揭示了LLM应用开发从简单流程走向复杂Agentic workflow的必然趋势。

Langchain的成功并非偶然。作为早期玩家，它敏锐地捕捉到开发者对于降低LLM开发门槛的迫切需求，其提供的代码级工具包，帮助开发者快速构建AI应用，迅速积累了大量用户。Langchain也面临着来自低代码平台的挑战。像Coze和Dify这样的平台，凭借其可视化、易上手的特点，吸引了大量非专业程序员用户，在用户数量上对Langchain构成了威胁。

Langchain显然意识到了危机，LangGraph的推出正是其应对策略之一。LangGraph旨在解决LLM应用开发从简单流程走向复杂Agentic workflow过程中的调试难题。LangGraph的编程式路线虽然延续了Langchain的用户习惯，但在面对复杂的流程逻辑时，其开发和调试的效率并不尽如人意。

LangGraph Studio的诞生正是为了弥补这一缺陷。LangGraph Studio的核心理念是高代码配合可视化调试界面，与微软推出的AutoGen Studio的设计理念不谋而合。这种设计既保留了代码的灵活性和可控性，又通过可视化界面降低了调试的难度，提升了开发效率。

LangGraph Studio的设计特点与LLM应用开发的迭代式特点高度契合。开发者可以通过可视化界面直观地观察应用的运行状态，并根据反馈实时调整应用逻辑和参数，从而加速开发迭代速度。LangGraph Studio还支持与Langsmith集成，进一步提升了应用的可观测性。

Langchain的探索为LLM应用开发工具的设计提供了新的思路，也引发了业界对于低代码与高代码之争的 renewed 思考。

低代码平台：通向普罗大众的AI之路？

以Coze和Dify为代表的低代码平台，其核心理念是通过可视化界面和拖拽式操作，将复杂的代码逻辑封装起来，让用户无需编写代码即可构建AI应用。这种方式极大地降低了LLM应用开发的门槛，让更多没有编程基础的用户也能参与到AI应用的开发中来。

低代码平台的优势显而易见：

易用性强:

用户无需编写代码，只需通过简单的拖拽操作即可完成应用的构建。

开发效率高:

低代码平台将常用的代码逻辑封装成组件，用户可以直接调用，无需重复造轮子。

学习成本低:

用户无需学习复杂的编程语言，只需了解平台的操作逻辑即可快速上手。

低代码平台也存在一些难以忽视的局限性：

灵活性不足:

低代码平台提供的组件和功能有限，难以满足用户个性化的需求。

可控性较差:

用户无法直接控制代码逻辑，难以进行深度定制和优化。

调试困难:

当应用出现问题时，用户难以定位问题所在，也难以进行有效的调试。

高代码框架：灵活与可控的双刃剑

与低代码平台形成鲜明对比的是Langchain、LangGraph这类高代码框架。高代码框架的核心优势在于其灵活性和可控性。开发者可以自由地编写代码，实现各种复杂的功能和逻辑，并对应用的各个方面进行精细化的控制。

高代码框架的优势在于：

灵活性高:

开发者可以自由选择编程语言和工具，实现各种复杂的功能和逻辑。

可控性强:

开发者可以完全掌控代码逻辑，对应用的各个方面进行精细化的控制。

调试方便:

开发者可以使用各种调试工具，快速定位问题并进行修复。

高代码框架的劣势也同样突出：

学习成本高:

开发者需要具备一定的编程基础，才能使用高代码框架进行开发。

开发效率低:

开发者需要编写大量的代码，才能实现复杂的功能和逻辑。

维护成本高:

高代码框架的代码量较大，维护成本较高。

Langchain的探索：低代码与高代码的融合？

Langchain推出LangGraph Studio的举措，可以看作是其对低代码与高代码两种开发模式的一次融合尝试。LangGraph Studio试图在保留高代码框架灵活性和可控性的通过可视化界面降低开发和调试的难度，提升开发效率。

Langchain的探索为LLM应用开发工具的未来发展指明了方向：低代码与高代码并非水火不容，而是可以相互融合，取长补短。未来的LLM应用开发工具，应该在保证灵活性和可控性的前提下，尽可能地降低开发门槛，提升开发效率，让更多人能够参与到AI应用的开发中来。

LLM应用开发的未来：Agentic workflow与人机协同

Langchain的探索也反映了LLM应用开发的另一个重要趋势：从简单的流程走向复杂的Agentic workflow。Agentic workflow强调的是LLM的自主性和智能性，让LLM能够像人类一样理解和执行复杂的任务。

Agentic workflow的实现离不开人机协同。开发者需要设计合理的流程和规则，并为LLM提供必要的训练数据和反馈机制，才能让LLM真正地理解和执行复杂的任务。

可以预见，未来的LLM应用开发将会更加注重人机协同，开发者将扮演着“指挥家”的角色，通过设计流程、制定规则、提供反馈等方式，引导LLM完成各种复杂的任务。

LLM应用开发的黄金时代已经到来

Langchain的探索只是LLM应用开发浪潮中的一个缩影，更多创新性的工具和平台将会不断涌现。LLM应用开发的黄金时代已经到来，让我们一起拥抱这个充满机遇和挑战的时代，共同创造AI的未来！