转写说明

本文基于已校验的公开原文进行结构化转写与事实梳理，非原文转载。 转写保留可核验的技术事实，并将工程建议与来源观点明确分开。

核心结论

多 Agent 拆分本质是 token 开销与信息干扰的工程权衡。LangChain 负责线性工作流编排和基础模块，LangGraph 专注于网状工作流编排，处理多 Agent 协作中的分支、循环、状态持久化和人工中断场景。两者的关系是配合而非替代。

LangGraph 的核心架构由 State、节点、边三要素构成：State 声明状态 schema 并定义 reducer 规则，节点是返回部分状态更新的普通函数，边负责连接节点并控制流转方向。

能力机制

State 声明：通过 Annotation.Root 定义状态结构，字段级 reducer 决定状态合并方式，default 提供初始值。新值覆盖旧值是常见的 reducer 实现模式。

分支路由：在节点内完成条件判断并将结果写入 state，条件边根据 state 中的路由标识将执行流导向对应节点。关注点分离使判断逻辑与业务逻辑解耦。

循环实现：没有专门的循环 API，条件边指向自身即形成自环。需要配合计数器和终止条件避免死循环，三要素为自环、计数、终止条件。

状态持久化：通过 compile 时挂载 checkpointer 实现，invoke 时传入 thread_id 标识会话。同一个 thread_id 连续调用会累加状态，换 thread_id 则从初始值重新开始。MemorySaver 存储在内存中，失败后可恢复；生产环境可替换为 sqlite、redis 等持久化方案。

人工中断：节点内调用 interrupt() 暂停执行并抛出 payload，调用方从返回结果的 __interrupt__ 字段读取中断信息，使用 Command({resume}) 配合同一 thread_id 恢复执行。interrupt 依赖 checkpointer 保存暂停状态。

快速开始

最小图的构建流程：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

import { Annotation, StateGraph, START, END } from '@langchain/langgraph'

const StateAnnotation = Annotation.Root({
  text: Annotation({
    reducer: (_prev, next) => next,
    default: () => "",
  }),
})

const step1 = (state) => ({ text: `${state.text} -> step1` })
const step2 = (state) => ({ text: `${state.text} -> step2` })

const graph = new StateGraph(StateAnnotation)
  .addNode("step1", step1)
  .addNode("step2", step2)
  .addEdge(START, "step1")
  .addEdge("step1", "step2")
  .addEdge("step2", END)
  .compile()

// 可视化导出
const drawable = await graph.getGraphAsync()
console.log(drawable.drawMermaid({ withStyles: true }))

// 执行
const result = await graph.invoke({ text: "hello" })

持久化需要挂载 checkpointer：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import { MemorySaver } from '@langchain/langgraph'

const checkpointer = new MemorySaver()
const graph = new StateGraph(StateAnnotation)
  .addNode("visit", visit)
  .addEdge(START, "visit")
  .addEdge("visit", END)
  .compile({ checkpointer })

const config = { configurable: { thread_id: "用户_小张" } }
await graph.invoke({}, config)

中断恢复示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

const waitConfirm = (state) => {
  const text = interrupt({
    hint: "输入确认或备注后回车",
    actionSummary: state.actionSummary,
  })
  return { useInput: String(text) }
}

const paused = await graph.invoke({}, config)
const line = await readLine() // 人工确认
const done = await graph.invoke(new Command({ resume: line }), config)

适用边界

LangGraph 适用于需要多 Agent 协作的工作流，每个 Agent 可携带精简 prompt 减少 token 消耗并降低干扰。网状编排能力适合包含分支判断、重试逻辑、长期状态维护和人工审批节点的应用场景。

不适合纯线性任务，LangChain 的链式结构已能覆盖的场景无需引入 LangGraph 的额外复杂度。

interrupt 机制要求调用方具备接收暂停、读取状态、等待人工输入、恢复执行的能力，纯粹的自动化流程无法直接使用该特性。

状态持久化依赖 checkpointer，缺少该配置时中断后无法恢复。MemorySaver 仅存储在内存中，服务重启会丢失状态。

所有示例代码均为静态整理，未经过运行验证。实际使用需要根据 LangGraph 版本调整 API 调用方式。

核验清单

  • State 的每个字段都定义了 reducer 和 default
  • 节点返回值是部分状态更新，而非完整 state
  • 条件函数返回值与映射表 key 一一对应
  • 自环包含终止条件，不会形成死循环
  • 需要持久化的图已挂载 checkpointer，invoke 时携带 thread_id
  • interrupt 恢复使用同一 thread_id 配合 new Command({resume})
  • drawMermaid 输出可导入 mermaid 渲染器验证图结构

来源与核验

  • 原始文章
  • 页面事实以原始来源及其引用的官方资料为准；版本、星标和模型能力会随时间变化。
  • AI Stack 不公开抓取到的全文快照，只发布独立转写与来源入口。

站内链接

相关文章