LangGraph 概览

原文：LangGraph Overview

一句话

LangGraph 是一个用于构建有状态、多智能体应用程序的低级编排框架和运行时，专注于可靠处理复杂任务的智能体设计。

什么时候翻这页

需要构建长期运行、有状态的智能体工作流
需要实现持久化、流式处理、人机交互等高级功能
想了解 LangGraph 与 LangChain 生态系统的关系
需要部署生产级的复杂智能体系统

核心概念

StateGraph（状态图）：LangGraph 的核心数据结构，用于定义智能体工作流
节点（node）：工作流中的处理单元，通常是一个函数
边（edge）：连接节点的路径，定义工作流中的执行流程
持久化（Persistence）：智能体能够通过故障并从中断点恢复的能力
人机交互（Human-in-the-loop）：在任何检查点修改智能体状态的能力
内存管理（Memory）：包括短期工作记忆和长期跨会话记忆
checkpoint：保存智能体状态的点，用于恢复和调试

怎么做

安装 LangGraph

pip install -U langgraph
# 或
uv add langgraph

创建基本工作流

from langgraph.graph import StateGraph, MessagesState, START, END

def mock_llm(state: MessagesState):
    return {"messages": [{"role": "ai", "content": "hello world"}]}

graph = StateGraph(MessagesState)
graph.add_node(mock_llm)
graph.add_edge(START, "mock_llm")
graph.add_edge("mock_llm", END)
graph = graph.compile()

graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})

设置 LangSmith 调试

export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=your_api_key

命令 / API 速查

StateGraph：创建状态图的主要类
MessagesState：消息状态类型，用于处理对话历史
START, END：特殊节点，表示工作流的开始和结束
add_node(node, name?)：向图中添加节点
add_edge(start_node, end_node)：在节点间添加边
compile()：编译图，准备执行
invoke(input)：执行图并获取结果
stream(input)：流式执行图

与 Hello-Agents / Claude Code 的联系

LangGraph 是 Hello-Agents 中 LangGraph 章节的基础框架。Hello-Agents 提供了更高层次的抽象和预构建架构，而 LangGraph 则提供了更底层的控制力和灵活性。在 Hello-Agents 中，你可能已经使用了基于 LangGraph 构建的智能体，而本页文档帮助你理解这些智能体是如何工作的。

初学者易错点

混淆 LangGraph 和 LangChain：LangGraph 是独立的框架，不依赖 LangChain，但常与 LangChain 组件一起使用
忽略 LangSmith 的重要性：LangSmith 对调试复杂智能体至关重要，建议从一开始就设置
低估状态管理：智能体的状态管理是核心，需要仔细设计状态结构
过度关注提示词：LangGraph 不抽象提示词，需要自行管理提示词设计

语义检索