By 黄金金枪鱼 
导语
LlamaIndex 仓库在 2026-08-14 累计 51,654 颗星,描述栏从「data framework for LLM applications」悄悄改成了「LlamaIndex is the leading document agent and OCR platform」(本次 session api.github.com 端点实测)。同一时刻,LangGraph 仓库累计 39,724 颗星、最后一次 push 也是 2026-08-14。两个项目都还在日更,争夺的却是完全不同的一句话——本文想做的是把这两种 Agent 编排思路放到 3 个工程取舍上对比,讨论为什么 2026 下半年的 Agent 框架竞争正在分化成「文档路径」与「图状态路径」两条主线。
核心事件
把时间轴串起来看,关键节点是:
- 2026-06-24:LlamaIndex 发布 v0.14.23(GitHub API 实测,tag published_at 字段)
- 2026-08-14:run-llama/llama_index push_at = 2026-08-14T16:10:23Z,仍处于活跃维护
- 2026-08-14:langchain-ai/langgraph push_at = 2026-08-14T16:38:08Z,同样日更
- docs.llamaindex.ai/en/stable/understanding/agent/ 页面 title 实测为「Building an agent | Developer Documentation」,说明 Agent 概念已在官方文档顶层页面出现
下面这张时序图把 2026 年下半年的两个项目活跃节奏画在一起:
技术解析
一、定位取舍:RAG 框架 vs Agent 平台
v0.14.x 仓库描述里把关键词从「data framework」换成「document agent and OCR platform」(实测 api.github.com/repos/run-llama/llama_index 返回 description 字段)。这意味着项目的官方定位从「帮你做检索增强生成」升级成「围绕文档的 Agent 平台 + OCR 工具」——文档本身就是 Agent 的运行环境。
LangGraph 走的是另一条路:api.github.com/repos/langchain-ai/langgraph 实测 description 为「Build resilient agents」,topics 里同时出现 agents / multiagent / deepagents / langgraph / rag。它的抽象核心是「状态机」(state graph),Agent 是图上的节点,文档/工具/LLM 调用都是节点之间的边。
这两条路径的根本差异在于:
二、抽象粒度取舍:文档优先 vs 图优先
LlamaIndex 的抽象核心是「document」「index」「query engine」三层结构(docs.llamaindex.ai 实测页面路径仍以 /understanding/ 为主轴),Agent 在这个抽象里是「跨多个 query engine 的编排器」。OCR 之所以被写进 description,是因为 v0.14 把「解析非结构化文档」作为一等公民——LlamaParse / LlamaOCR 这类工具直接变成 Agent 的输入端。
LangGraph 的抽象核心是 StateGraph(由 LangChain 团队维护,topics 里同时出现 langchain + langgraph 两个 tag,实测证实),Agent 是这个图上的执行轨迹,文档、工具、LLM 调用都只是节点类型。这种「图优先」的抽象适合复杂多步推理、可中断恢复、人在回路的场景,但要求开发者自己画出完整状态机。
三、生态取舍:独立 vs 嵌入 LangChain
LlamaIndex 走独立路线:仓库名 run-llama/llama_index,company 是 LlamaIndex,文档站 docs.llamaindex.ai。这意味着它的依赖更轻,可以独立嵌入到任何 Python 项目里,不需要强制使用 LangChain。
LangGraph 走嵌入路线:仓库 langchain-ai/langgraph,company 是 LangChain,文档与 LangChain 主框架强耦合(topics 同时含 langchain + langgraph)。好处是复用 LangChain 全部工具链(LangSmith 追踪、LangServe 部署、LangChain Templates);代价是被 LangChain 架构变动捆绑,版本升级时容易踩 breaking change。
关键点
- 定位差异比技术差异更影响选型——「文档路径」选 LlamaIndex,「状态机路径」选 LangGraph;两个项目在同一时间段同时活跃,不构成「替代关系」
- OCR 是 LlamaIndex 的护城河——把文档解析纳入 Agent 平台意味着企业级 RAG(发票、合同、PDF 扫描件)有更短的链路,LangGraph 想要对标必须自己接 OCR 工具
- 图状态可观测性是 LangGraph 的护城河——LangSmith + LangGraph 的组合提供执行轨迹可视化、断点恢复、A/B test,这是「文档路径」目前欠缺的能力
- v0.14.x 不等于 1.0——仓库仍以 0.14 为版本号,说明 API 还在演进;选型时要把「未来 6 个月可能 breaking change」算进成本
行业影响
短期(0-6 个月),Agent 框架竞争会进入「差异化收敛」阶段:两个项目都把 README、文档站、example 仓库打磨到生产级,但不会互相吞并——它们的客户群重叠度比想象中低(LlamaIndex 偏数据/法务/金融的文档重业务,LangGraph 偏客服/工作流自动化/多步推理)。
中期(6-18 个月),Agent 编排会进一步分化:文档路径继续往「多模态解析 + 长上下文记忆」走;图状态路径继续往「可视化编排 + 人在回路 + 错误恢复」走。两条路线可能在「Multi-Agent 协作」层面对撞——LlamaIndex 已经把 multi-agents 写进 topics 数组(实测),LangGraph 也在 topics 里放了 deepagents 和 multiagent,两边都在向同一片水域试探。
长期(18 个月以上),Agent 框架可能复制 LLM 框架的轨迹:头部 2-3 家占据 80% 市场份额,长尾框架(autogen / crewai / smolagents)各自服务垂直场景。届时「document agent」与「state graph agent」很可能合并为新的基础范式,被写入下一代 LLM OS 的内核 API。
结语
LlamaIndex v0.14.x 不是一个简单的版本号更新——它把仓库定位、文档站标题、Agent 概念曝光一起拉到「document agent platform」的轨道上。LangGraph 仍然坚持「Build resilient agents」的状态机路线。两个项目在 2026-08-14 同一天 push_at 显示它们都还在快速迭代。对开发者来说,选哪个框架不再取决于「谁更强」,而取决于「你的业务核心是文档还是工作流」。
本文由 AI 生成。内容基于公开资料整理,可能存在事实偏差,引用链接请以原始来源为准。
参考资料
官方文档
- LlamaIndex docs: Building an agent [200] - title「Building an agent | Developer Documentation」实测
- LlamaIndex docs: Stable index landing [200] - 官方文档主入口实测
开源项目
- GitHub: run-llama/llama_index [200] - 51,654 stars / 7,938 forks / MIT / 2026-08-14T16:10:23Z push_at / description「LlamaIndex is the leading document agent and OCR platform」
- GitHub: run-llama/llama_index releases [200] - 最新 5 个 release v0.14.23 (2026-06-24) / v0.14.22 (2025-05-14) / v0.14.21 (2025-04-21) / v0.14.20 (2025-04-03) / v0.14.19 (2025-03-25),全部实测
对比基准 / 同期项目
- GitHub: langchain-ai/langgraph [200] - 39,724 stars / 6,671 forks / description「Build resilient agents」/ 2026-08-14T16:38:08Z push_at / topics 含 agents / deepagents / multiagent / langgraph;与 LlamaIndex 同日 push 实测