基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

上一节我们列举了LangGraph的基本节点类型，但是只是知道，并不知道怎么组装和使用，先列举下来，后面讲如何组装： Node：一个函数（LLM调用、工具、判断）。 Edge：跳转规则（普通边 + 条件边）。 State：共享状态（情绪、记忆、亲密度等），支持Reducer自动合并。 Checkpoint：自动持久化（内存/SQLite/Postgres），支持崩溃恢复 + 时间旅行调试。 Interrupt：原生Human-in-the-loop（用户中途纠正、审批、回滚）。 一、状态机思维 在 LangChain 早期版本（包括 LCEL）中，绝大多数工作流本质上是 有向无环图（DAG） 或简单的线性流水线（Pipeline）。数据像流水一样从 A 流到 B 再流到 C，但很难 “回头”。 LangGraph 最核心的突破就是它是支持环的有向图，相比于LangChain古早的链式版本极大的增强了灵活性。 假设，我们现在有这样一个业务，理想状态下希望LLM依次执行： 调用工具查询数据 格式化数据 打印结果 对，这就是早期的链式思维，一旦LLM因为其随机性出错，整个流程就会轰然倒塌。 因此，事实证明，链式操作救不了Agent开发。 一种更稳健，更方便影对随机性的设计哲学被LangGraph选中：状态机。 状态：可以理解为一组能被所有节点读取和更新的变量。 对状态的使用通常遵循这样的规则： 在Node中更新状态 在选择连线时读取状态 以上图为例，如果格式化失败，那么state=‘fail’，而在选择连线时，因为 state == ‘fail’，因此进入了格式化自循环的连线。 在正式生产中，我们还可以加入 fail_count 这样的状态，来保证自循环的上限次数。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。