LangGraph 智能体开发实战：从链式编排到图式编排

欢迎使用Markdown编辑器

你好！ 这是你第一次使用# LangGraph 智能体开发实战：从链式编排到图式编排

引言：当 Chain 不够用的时候

如果你在过去一年里接触过大模型应用开发，"LangChain"这个名字大概率不会陌生，它几乎成了快速搭建 RAG 或简单工具调用应用的"脚手架"代名词。但当你真正试图用它构建一个逻辑复杂、状态持久、需要根据中间结果动态调整执行路径的智能体（Agent）时，可能会感到力不从心。那种感觉就像用乐高积木搭一个静态模型很顺手，但要让它动起来，还得自己手动去拧发条、调齿轮。

这正是 LangGraph 出现的背景。简单来说，LangChain 提供的是"链"（Chain）——一种线性的、预定义顺序的执行流；而 LangGraph 提供的是"图"（Graph）——一种可以包含循环、分支和状态管理的执行流。从链到图的跃迁，意味着智能体从"按剧本走"升级到了"能自己看地图找路"。

一、为什么需要图式编排

先看一个真实场景：用户提出一个模糊的初始请求——“帮我分析上季度的销售数据，并给出下季度的预测建议”。这个任务要求智能体自主决定：先去数据库拉取数据，接着清洗数据，再选择分析模型，生成报告，最后甚至能根据初步报告发现的问题，发起新一轮的细化查询。

这种带有"循环"和"状态记忆"的任务，用传统的 Chain 架构来堆砌，代码会迅速变得难以维护和调试。因为 Chain 是静态的、线性的，无法表达"如果结果不理想就重试""根据上一步结果决定下一步"这类动态逻辑。

LangGraph 的核心价值在于：把 Agent 的工作流建模为一个有向图。图中的每个节点（Node）代表一个可执行的动作（调用 LLM、执行工具、读写状态），边（Edge）定义了动作执行后的流转条件。整个图共享一个持久化的"状态"（State），随着工作流的推进而更新。这种设计天然支持循环、分支、并行和状态管理。

二、LangGraph 的核心概念

2.1 State：状态是图的灵魂

状态是 LangGraph 中最核心的概念。它定义了工作流执行过程中需要保存和传递的数据。每个节点执行后都会更新状态，后续节点可以访问前面节点的结果。状态的设计直接决定了图的表达能力。

fromtypingimportTypedDict,Annotatedfromlanggraph.graphimportStateGraphclassAgentState(TypedDict):messages:list# 对话历史task:str# 当前任务data:dict# 中间数据retries:int# 重试计数```### 2.2 Node：节点是执行单元节点是图的基本执行单元，可以是调用 LLM、执行工具、处理数据等任意函数。每个节点接收状态作为输入，返回状态更新作为输出。### 2.3 Edge：边定义流转逻辑边定义了节点之间的流转关系。LangGraph 支持两种边：普通边（固定流转）和条件边（根据状态动态决定流向）。条件边是实现"智能决策"的关键——模型判断结果是否满意，决定是继续还是结束。### 2.4 Checkpoint：检查点与持久化LangGraph 内置了检查点机制，可以在任意节点保存状态快照。这意味着：任务中断后可以从断点恢复；支持时间旅行调试（回放任意步骤）；支持人机协作（在关键节点暂停等待人工确认）。## 三、实战：构建一个带循环和工具调用的 Agent下面用 LangGraph 构建一个能自主完成"数据分析"任务的 Agent，它包含三个节点：规划（Plan）、执行（Execute）、检查（Check），并通过条件边实现循环。 ```pythonfromlanggraph.graphimportStateGraph,ENDfromlangchain_openaiimportChatOpenAI llm=ChatOpenAI(model="gpt-4o",temperature=0)# 节点 1：规划defplan_node(state):task=state["task"]plan=llm.invoke(f"为任务制定执行计划：{task}")return{"plan":plan.content,"retries":state.get("retries",0)}# 节点 2：执行defexecute_node(state):plan=state["plan"]result=llm.invoke(f"按计划执行：{plan}")return{"data":result.content}# 节点 3：检查defcheck_node(state):data=state["data"]verdict=llm.invoke(f"检查结果是否满足要求，只回答 yes 或 no：{data}")return{"satisfied":verdict.content.strip().lower()=="yes"}# 条件边：根据检查结果决定是否重试defshould_continue(state):ifstate.get("satisfied"):return"end"ifstate.get("retries",0)>=3:return"end"return"retry"# 构建图graph=StateGraph(AgentState)graph.add_node("plan",plan_node)graph.add_node("execute",execute_node)graph.add_node("check",check_node)graph.set_entry_point("plan")graph.add_edge("plan","execute")graph.add_edge("execute","check")graph.add_conditional_edges("check",should_continue,{"end":END,"retry":"plan"})app=graph.compile()result=app.invoke({"task":"分析上季度销售数据并给出预测","messages":[]})print(result["data"])

这段代码展示了 LangGraph 最核心的能力：循环。当检查节点判定结果不满足要求时，流程会回到规划节点重新执行，直到满意或达到重试上限。这种"规划-执行-检查-再规划"的循环，正是 Agent 区别于普通 Chain 的本质特征。

四、多 Agent 协作与并行

LangGraph 的图模型天然支持多 Agent 协作。你可以把多个 Agent 作为图中的节点，通过边定义它们的协作关系：

顺序协作：Agent A 完成后，结果传给 Agent B。适合流水线式任务。

并行协作：多个 Agent 同时执行，最后汇总结果。适合可以拆分的独立子任务。LangGraph 支持扇出（fan-out）和扇入（fan-in）模式。

层级协作：一个"主管"Agent 负责任务分解和调度，多个"工人"Agent 执行具体任务。这是最常用的多 Agent 模式。

fromlanggraph.graphimportStateGraph# 并行执行两个子任务graph.add_node("researcher",research_agent)graph.add_node("analyst",analysis_agent)graph.add_node("aggregator",aggregate_agent)graph.add_edge("start","researcher")graph.add_edge("start","analyst")graph.add_edge("researcher","aggregator")graph.add_edge("analyst","aggregator")

并行协作能显著提升任务完成速度。比如竞品分析任务，可以让"信息检索 Agent"和"数据提取 Agent"并行工作，最后统一汇总，整体耗时能缩短一半以上。

五、工程化实践要点

第一，状态设计要克制。状态是图的共享内存，设计得越复杂，调试越困难。建议只保存必要的数据，中间结果及时清理，避免状态膨胀。

第二，善用检查点。生产环境一定要开启检查点持久化，这样任务中断可以恢复，也方便回放调试。检查点可以存储到 SQLite、PostgreSQL 等外部存储。

第三，控制循环次数。Agent 循环是"烧钱"的重灾区。一定要设置最大迭代次数和预算上限，防止 Agent 陷入死循环或无限重试。

第四，可观测性。LangGraph 支持逐步追踪执行过程，配合 LangSmith 可以可视化查看每个节点的输入输出。生产环境务必开启追踪，否则 Agent 出问题根本无从排查。

第五，人机协作。对高风险操作（删除数据、发送消息、支付），在关键节点设置"人工确认"断点，让 Agent 暂停等待人工审批。这是 Agent 落地到生产环境的安全底线。

六、总结

LangGraph 把 Agent 开发从"写代码"提升到了"设计图"的层次。它的核心贡献不是提供了多少现成组件，而是建立了一套表达复杂工作流的模型：状态驱动、节点执行、条件流转、检查点持久化。这套模型让 Agent 从"玩具"走向"生产"成为可能。

对于开发者，建议的进阶路径是：先理解 State、Node、Edge 三个核心概念；然后用 LangGraph 重构一个已有的 Chain 应用，体会图式编排的优势；接着实现带循环和工具调用的 Agent；最后尝试多 Agent 协作和检查点持久化。当你掌握了图式编排的思维，你会发现 Agent 开发不再是"玄学"，而是一门可以系统化、工程化的技术。

Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown将代码片显示选择的高亮样式进行展示；
3. 增加了图片拖拽功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的KaTeX数学公式语法；
5. 增加了支持甘特图的mermaid语法¹功能；
6. 增加了多屏幕编辑Markdown文章功能；
7. 增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了检查列表功能。

功能快捷键

撤销：Ctrl/Command+Z
重做：Ctrl/Command+Y
加粗：Ctrl/Command+B
斜体：Ctrl/Command+I
标题：Ctrl/Command+Shift+H
无序列表：Ctrl/Command+Shift+U
有序列表：Ctrl/Command+Shift+O
检查列表：Ctrl/Command+Shift+C
插入代码：Ctrl/Command+Shift+K
插入链接：Ctrl/Command+Shift+L
插入图片：Ctrl/Command+Shift+G
查找：Ctrl/Command+F
替换：Ctrl/Command+G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本强调文本

加粗文本加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的代码片.

// An highlighted blockvarfoo='bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

SmartyPants

SmartyPants 是一个文本转换工具，主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如：

创建一个自定义列表

Markdown

Text-to-HTMLconversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb NΓ(n)=(n−1)!∀n∈N是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)=∫0∞​tz−1e−tdt.

你可以找到更多关于的信息LaTeX数学表达式here.

新的甘特图功能，丰富你的文章

• 关于甘特图语法，参考 这儿,

UML图表

可以使用UML图表进行渲染，例如下面产生的一个序列图：

• 关于UML图表语法，参考 这儿,

流程图

• 关于Mermaid语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart.js的流程图语法：

• 关于Flowchart流程图语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。