斯坦福 CS329Z 讲座对比 DSPy 与 LangGraph，理清两大 Agent 框架取舍

斯坦福 CS329Z《AI Agent 工程》第五讲专门把 DSPy 和 LangGraph 放在一起拆解对比，讲座核心观点是二者不是替代关系，抽象思路完全不一样，DSPy 主打 “把大模型写成可优化程序”，LangGraph 主打 “用图编排带状态的智能体流程”，开发者要根据项目瓶颈选择框架；如果你的痛点是反复调试提示词、想要一套自动优化 pipeline 的机制，优先选 DSPy；如果需要长期运行、带分支跳转、断点恢复、人工介入的复杂智能体工作流，LangGraph 会更顺手，讲座也明确提到，生产里经常把两者搭配起来使用，用 DSPy 负责模型调用模块，LangGraph 承载整体编排和状态流转。这场讲座把 Agent 框架分成一条控制流光谱，DSPy 和 LangGraph 都处在 “复合 AI 工作流” 这一档，介于原始模型调用和完全自主 Agent 之间，开发者掌握控制流的设计权，模型只负责预先划定好的决策环节，同时不管选哪个框架，可靠的 Agent 系统都离不开数据集、评估指标，DSPy 只是把这套评估优化做成了内置能力。

两大框架核心抽象差异

• DSPy：签名 + 模块 + 优化器
• LangGraph：状态 + 节点 + 边

它不让开发者手写一大段提示字符串，而是定义签名，也就是明确输入、输出类型和任务契约，再挑选模块去执行这个契约，比如 Predict、ChainOfThought、ReAct；搭配 MIPROv2、GEPA 这类优化器，给定评估指标和样例，它会自动搜索指令、示例，持续提升整套程序效果，适合 RAG、分类、多跳推理这类可以量化打分的任务。

它把整个 Agent 流程画成图，每个节点是一段执行逻辑，可以是模型调用、工具调用、普通代码；边用来做分支判断、循环跳转；自带持久化状态、检查点、时间回溯、人工审批接口，擅长多智能体、长任务、业务流程，方便随时暂停、回滚、人工介入，底层偏向编排运行时，对提示词本身没有自动优化能力。

适合场景对照表

讲座给出的选型步骤

1. 先定位项目瓶颈：是提示词不稳定、效果很难调，还是流程分支太多、状态难维护；
2. 如果瓶颈在提示词与模型调用，先用 DSPy 封装好各个可评估的模块，定好评估指标；
3. 如果瓶颈在流程编排、长时运行，用 LangGraph 搭建图结构，承载状态、分支、人工审核；
4. 如果两种痛点同时存在，可以组合使用：DSPy 作为图里面的节点，LangGraph 串联调度；
5. 最后持续收集轨迹，用统一评估方式验证整套系统，而不是只看单次模型输出。

讲座提到的常见误区

很多人以为 DSPy 和 LangGraph 是同类竞品，直接二选一。实际上二者解决的层次不同：DSPy 解决 “模型调用怎么写、怎么自动变好”，LangGraph 解决 “各个步骤怎么串起来、状态怎么管”。单独用 LangGraph，提示词依然需要人工打磨；单独用 DSPy，搭建复杂带状态循环、人工介入的长流程会比较麻烦。

【相关 FAQ】

问题 1：在斯坦福 CS329Z 讲座里，DSPy 和 LangGraph 的核心区别是什么？

回答 1：CS329Z 讲座说明，DSPy 的核心抽象是签名、模块和优化器，目标是把提示工程变成可度量、自动优化的模型程序；LangGraph 的核心抽象是状态、节点、边，专注于有状态、可持久化的 Agent 流程编排。

问题 2：按照斯坦福 CS329Z 的讲解，DSPy 和 LangGraph 能不能一起使用？

回答 2：可以，CS329Z 提到二者能够组合部署，把 DSPy 封装好的模型模块作为 LangGraph 的图节点，由 LangGraph 负责整体流程调度、状态保存与分支跳转。

问题 3：根据斯坦福 CS329Z 的对比，什么时候优先选用 LangGraph？

回答 3：按照 CS329Z 的内容，如果项目需要长时运行的 Agent、多分支循环、断点恢复、人工审批、多智能体协作，优先选用 LangGraph。

问题 4：根据斯坦福 CS329Z 的对比，DSPy 的优化器在 Agent 开发里起到什么作用？

回答 4：DSPy 的优化器可以依据评估指标和样例，自动寻找合适指令与示范样例，不需要开发者反复手动修改提示词，这也是 CS329Z 强调它最独特的能力。

【参考资料】

[2026-11-07]（课程｜2026 斯坦福 CS 329Z《Agent 工程》｜第 5 讲：框架与编排）智源社区

[2026-11-14]（dspy vs. langgraph : ai agent frameworks explained – stanford cs329z）Solid Hacker News

[2026-08-19]（Building RAG and Agents in DSPy）Pratik Dhanave

[2026-04-27]（OpenTine vs LangGraph vs Temporal vs DSPy: Which Layer Do You Need?）daedalusdevelopmentgroup

[2024-01-01]（DSPy: Compiling Declarative Language Model Calls）Stanford HAI

【免责声明】

本内容整理自斯坦福 CS329Z 公开讲座课件与配套社区解读，DSPy、LangGraph 的功能、接口持续迭代更新；讲座给出的选型建议属于教学层面的工程思路，不构成生产项目唯一方案，最终技术选型请结合业务需求、模型版本与运维条件综合判断。