LangGraph 是什么：把智能体画成一张图

为什么需要 LangGraph

旧的 AgentExecutor 是黑盒循环：只能线性跑，难分支、难并行、难人工介入。LangGraph 把智能体建模为带状态的图：流程看得见、改得动、停得下 —— 生产级 Agent 的编排底座（LangChain 官方新项目都基于它）。

三个核心概念（先背下来）

• State（状态）：一个共享的 TypedDict，节点间传递与累加更新；
• Node（节点）：普通函数，读状态、干活、返回状态更新；
• Edge（边）：节点间的转移规则，条件边实现分支与循环。

第一个可运行的图

pip install langgraph

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

def chatbot(state: MessagesState):
    return {"messages": [llm.invoke(state["messages"])]}

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

app = graph.compile()
result = app.invoke({"messages": [("user", "你好")]})
print(result["messages"][-1].content)

图化带来的四大能力

• 可控分支与循环：条件边随意组合拓扑；
• 持久化：任意步骤暂停/恢复（checkpoint）；
• 可观察：每个节点的出入都可在 LangSmith 查看；
• 流式：逐节点/逐 token 推送中间状态。

本站《智能体编排》与《Harness》课程反复出现的"可控循环 + 状态 + 轨迹"，在 LangGraph 里就是这套原语。