LangGraph 入门介绍

[ikaijua]

LangGraph 入门介绍

LangGraph 是一个底层编排框架，用来把「有状态、多步骤」的 AI 智能体建模成图（graph）。它由 LangChain 团队维护，是目前采用最广的图式智能体框架之一，与 LangChain、LangSmith 深度协同。

English version: LangGraph: Detailed Introduction

目录

• LangGraph 是什么？
• 核心概念
• 为什么用图？
• 持久化与人机协作
• LangGraph Platform 与 Studio
• 最小示例
• 适合用什么场景
• 相关链接

LangGraph 是什么？

LangGraph 把智能体的控制流表达成一张状态图：节点（node）是函数或大模型调用，边（edge）定义控制如何在节点间流转，一个共享的**状态（state）**对象在每一步被传递并更新。相比单一线性提示链（流程藏在一个循环里），它能把循环、分支、多智能体交接变得明确且可调试。

核心概念

• 状态（State）：带类型、跨步骤累积信息的共享对象（Pydantic 或 TypedDict）。
• 节点（Node）：工作单元，通常是一个大模型调用、工具调用或普通 Python 函数。
• 边（Edge）：节点间的转移，包括依据当前状态做路由的「条件边」。
• 检查点（Checkpointer）：每一步后持久化状态，使任务可暂停、恢复、分叉与回放。
• 循环（Cycle）：图可以回到更早的节点，实现反思、重试与迭代规划。

为什么用图？

普通的智能体循环容易起步却难以控制。LangGraph 让控制流显式且可观测：你能看到执行过的每个节点、从任意检查点回放，并能加入护栏（最大步数、审批闸门）而不必重写整个智能体。它支持任意模型提供商（OpenAI、Anthropic、Google、本地模型），并提供 Python 与 JavaScript/TypeScript 双语言实现。

持久化与人机协作

由于状态被检查点化，你可以中途打断图、向人类索取输入、再精确从断点恢复（通过 interrupt()）。这是审批步骤、表单填写、安全自主工作流的基础。LangGraph 也通过 store 后端提供长期记忆。

LangGraph Platform 与 Studio

• LangGraph Studio：本地可视化调试器，可绘制、单步执行并检视图。
• LangGraph Platform：托管服务，用于把图部署、扩缩容并持久化到生产环境，支持流式输出、后台运行与鉴权。

最小示例

from typing import TypedDict
from langgraph.graph import StateGraph, START, END

class State(TypedDict):
    count: int

def inc(state: State) -> State:
    return {"count": state["count"] + 1}

builder = StateGraph(State)
builder.add_node("inc", inc)
builder.add_edge(START, "inc")
builder.add_edge("inc", END)
graph = builder.compile()
print(graph.invoke({"count": 0}))

适合用什么场景

当你需要持久、可控、多步骤的智能体——循环、分支、人工审批或多智能体协作——并希望流程可观测、可回放，而不是一个黑盒循环时，选 LangGraph。若只是一次性简单链，更轻量的工具也许就够用。

相关链接

资源	链接
GitHub	https://github.com/langchain-ai/langgraph
文档	https://langchain-ai.github.io/langgraph/
官网	https://www.langchain.com/langgraph