LangGraph
约 607 字大约 2 分钟
2026-09-01
简介
LangGraph 是 LangChain 团队推出的一个库，用于构建有状态、多参与者（multi-agent）的 LLM 应用。核心思想是把整个工作流建模成一张图（Graph）：节点代表一个个步骤，边代表步骤之间的流转关系。
它最典型的应用是构建 Agent——尤其是那种要走很多步、会来回绕、需要调用工具、甚至需要暂停等待人工确认的复杂智能体。
为什么需要它
普通的 LLM 调用是「一次问答就结束」，而现实中的 Agent 任务往往是：
- 多轮：调用模型 → 决定调用工具 → 拿到结果 → 再调用模型 → …… 直到完成
- 有分支：根据模型的输出，下一步走哪条路是不同的
- 可能循环：失败重试、自我修正、反复迭代
- 需要暂停：关键步骤要等人工确认后才能继续
传统的 Chain 只能流水线式地走一遍，无法表达「循环」和「条件分支」。LangGraph 用图这种天然支持环和分叉的结构，把这些问题一并解决了。
与 LangChain 的关系
| LangChain | LangGraph | |
|---|---|---|
| 定位 | 组件工具包（模型、prompt、检索、各种 Chain） | 任务编排层（把组件组织成可运行的工作流） |
| 类比 | 一堆「积木」 | 「画流程图并让它跑起来」 |
| 灵活性 | 流水线，难以表达循环 | 支持环、条件边、动态路由 |
LangGraph 基于 LangChain 生态，可以无缝使用 langchain 提供的各种模型封装和工具，但它的图执行、状态管理和持久化能力是独立且更底层的。
核心能力
- StateGraph：用强类型方式定义状态与流转逻辑
- 条件边（conditional edge）：根据运行结果动态选择下一步
- 循环：天然支持 ReAct 式「模型 ↔ 工具」反复交互
- 状态持久化（checkpointer）：每一步都存档，可回溯、可恢复、可 time-travel
- Human-in-the-loop：
interrupt()在图执行中暂停，等待人工决策后继续 - 流式输出：
stream()/astream()逐节点产出结果
目录导航
| 文档 | 说明 |
|---|---|
| 核心概念 | State、Node、Edge、条件路由、编译与运行 |
| 构建一个 Agent | 从零手动搭建 ReAct Agent，含完整可运行代码 |
| 图形化界面与可视化 | Studio、Builder、draw_mermaid 与 Agent Chat UI 的区别与用法 |