LangChain 与 LangGraph 练习题：组件、状态与执行流程

本章共 27 道习题，包含单选题、判断题和简答题，覆盖框架选型、LangChain 核心抽象、Middleware、LangGraph、createAgent 源码执行链路与生态边界。

1

题型: 单选题 难度: 中等

题干: 选择 Agent 框架时，最应该优先比较什么？(理解题)

选项A: 项目名称是否流行 选项B: 框架接管了模型适配、Tool、状态、执行循环和流程编排中的哪些部分 选项C: GitHub 图标颜色 选项D: 是否可以完全避免编写业务代码

正确答案: B

解析: 框架选型需要结合项目复杂度和控制需求。原生 SDK 更接近模型接口，Agent 框架接管更多循环与工具逻辑，LangGraph 则提供更明确的状态和流程控制。

2

题型: 单选题 难度: 简单

题干: LangChain.js 和 LangChain Python 的最小 Agent 在核心概念上有什么关系？(复习题)

选项A: 两者完全不同，不能使用相同的 Agent 思路 选项B: 核心概念基本一致，主要差异来自语言生态、包结构和类型系统 选项C: JavaScript 版本不能使用 Tool 选项D: Python 版本不能调用模型

正确答案: B

解析: 两个版本都围绕 Model、Message、Tool 和 Agent Loop 等核心概念构建。具体导入方式、类型约束和生态集成会因语言而不同。

3

题型: 单选题 难度: 中等

题干: langchain、@langchain/core 和 @langchain/deepseek 的职责分别是什么？(复习题)

选项A: 上层 Agent 入口、底层公共抽象、DeepSeek 模型集成 选项B: 数据库、前端框架、测试框架 选项C: 三者都是同一份重复代码 选项D: 只负责 LangSmith Trace

正确答案: A

解析: langchain 提供 createAgent、tool 等上层入口，@langchain/core 提供 Message、Runnable 等公共抽象，@langchain/deepseek 负责把统一调用方式适配到 DeepSeek API。

4

题型: 单选题 难度: 中等

题干: LangChain 的 Chat Model 抽象主要解决什么问题？(复习题)

选项A: 统一常见模型调用接口，减少业务代码直接依赖供应商请求格式 选项B: 保证所有模型能力完全相同 选项C: 自动获得所有模型的免费额度 选项D: 替代数据库

正确答案: A

解析: Chat Model 提供统一调用方式，但不同供应商的上下文、工具调用、多模