精通之路：生产化部署、流式与调试

流式：让图的执行过程"直播"

# 逐节点状态更新
for ev in app.stream(inputs, config, stream_mode="updates"): ...
# 逐 token（LLM 层）
for chunk in app.stream(inputs, config, stream_mode="messages"): ...
# 双通道：values + messages 同时开
app.stream(inputs, config, stream_mode=["updates", "messages"])

面向 C 端的 Agent 界面标准做法：节点执行过程实时展示（本站聊天页的步骤轨迹就是同款思路）+ 答案逐 token 输出。

调试与可观察

• LangSmith：每个节点/边的输入输出、token、延迟全量 trace；
• Checkpointer 回溯：坏 case 取存档、改状态、局部重跑（time travel）；
• get_graph().draw_mermaid()：拓扑核对。

部署形态

• 自托管：图编译产物就是普通 Python 对象，FastAPI 包一层即可（注意 Checkpointer 换持久化存储）；
• LangGraph Platform：官方托管运行时，内置持久化、Cron、流式与人机审批 API；
• 队列化：长任务异步提交 + thread_id 轮询/推送结果。

生产检查清单

• State 最小化；每个节点幂等、异常不吞；
• 危险工具前 interrupt 审批；工具调用全留痕；
• 步数/token 预算熔断（recursion_limit 与自定义计数）；
• 评测集回归（承接《评测 Harness》方法论）后再发版。

毕业路线：本模块 + 《Harness 架构》 + 《智能体编排》，你已经具备设计与运维生产级多智能体系统的完整知识栈。