LlamaIndex 与 LangChain 在定位和核心能力上有何本质区别？

1. 核心定位差异

• LlamaIndex：数据优先的框架，专注于将 LLM 与外部数据连接。RAG 是核心能力，围绕数据生命周期（加载 → 解析 → 索引 → 检索 → 生成）构建了完整的抽象层。
• LangChain：通用 LLM 应用框架，RAG 只是其众多能力之一。其他能力包括链（Chains）、智能体（Agents）、记忆（Memory）、输出解析器等。

2. 检索深度

LlamaIndex 在检索方面提供了更深的原语：

• 多种索引类型（向量、树、关键词、知识图谱、可组合）
• 高级检索策略（自动合并、子问题、混合搜索、递归检索）
• 响应合成器（Refine、Compact、Tree Summarize）
• 原生 RAG 评估工具

LangChain 可以达到相同的检索质量，但需要从组件组装，混合搜索和重排序等需要手动配置。

3. 智能体编排

• LangChain / LangGraph：LangGraph 是成熟的状态机编排引擎，支持检查点、时间旅行调试、人机协同门控，适合复杂的多步骤智能体。
• LlamaIndex Workflows：事件驱动的编排引擎，更轻量、更少约束，适合 RAG 工作流和文档处理管道。

4. 文档解析

LlamaIndex 通过 LlamaParse 提供了业界领先的文档解析能力，特别擅长处理复杂 PDF、财务表格、扫描文档等。LangChain 依赖第三方解析库，在复杂文档处理上需要额外配置。

5. 选型建议

6. 组合使用

两个框架并非互斥。生产环境中常见的模式是：LlamaIndex 负责检索层，提供最佳的检索和答案合成能力；LangChain 或 LangGraph 负责应用层和智能体编排层。这种组合能够兼顾检索深度和编排灵活性。