一张图看懂 Agent 技术栈

从裸调 API 到多 Agent 系统：平台 / 框架 / 编排三层定位，LangChain · LlamaIndex · Dify · Coze · CrewAI 全景选型，Agent 岗 JD 到底在考什么。

姊妹篇《认知地图》教你"名词各归其位"，这一章回答工程师视角的问题：每一层替你做了什么、不做什么，岗位面试怎么考，这本书怎么带你走完全程。

为什么从这张图开始

面试官最爱问的不是"你会不会用 Dify"，而是：

"这个需求你为什么选平台、为什么选框架、什么时候必须自己写代码？"

答不上取舍 = 只会跑 demo。下面这张图就是取舍的坐标系。

一句话版本：模型层提供智能 → 平台层（Dify）不写代码搭出 80% 场景 → 框架层（LangChain）用代码获得全部控制 → 编排层（LangGraph）解决复杂流程与多 Agent。你的前端技能直接变现在最上面的交互层。

层	替你做了	不替你做	什么时候你会撞到天花板
模型 API	生成/续写、FC 能力	记忆、重试、工具执行	第一天——裸调没有多轮和错误处理
Dify 2.x	应用壳、知识库、可视化流程、发布	深度定制逻辑、复杂状态、和现有系统深度集成	需求稍复杂就开始"绕着平台写代码"
LangChain 1.0	模型 IO 抽象、工具封装、记忆、createAgent	复杂流程控制、审批中断	流程有循环/分支/人工节点时
LangGraph 1.x	状态图、条件路由、检查点、HITL、多 Agent	——（到这就是全控制权）	你到了这里，剩下的只是工程问题

本书主线 = 逐层撞天花板：先在 Dify 上撞（第 5 章），再在 LangChain 里重写（第 10 章），最后用 LangGraph 做真正复杂的（第 17 章）。每一层都拿真实项目练。

注意一个行业事实（2025.10 起）：LangChain 和 LangGraph 都已 1.0 GA——createAgent 取代了旧的 AgentExecutor 成為标准建法，网上大量 0.x 教程已过时。本书代码全部基于 1.x API，这本身就是差异化。

选型不只是"哪个好"，还有"哪个便宜"：

本书的选择：Dify 用云服务版（零运维直接学），代码全走 DeepSeek API（国内直连、便宜、兼容 OpenAI 协议）。

三个贯穿全书的项目（不是虚构 demo）：

先把地基打牢——前置地基：LLM API 与 Prompt 基础。带你读一段真实的生产代码（cooking-app 的 AI 服务），看懂 Dify 替你藏起来的那一层。