完整题目
请介绍LangGraph框架的核心功能、设计理念以及在构建AI Agent中的应用场景和优势。
本文目录
一句话定位
LangGraph 是用于编排长时、有状态 Agent 与工作流的底层框架。它把步骤建模为节点，把控制流建模为边，并让节点通过显式 State 交换数据。多 Agent 是一种用法，不是它的唯一定位；单 Agent 的工具循环、人工审批和可恢复任务同样适用。
核心设计
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END
class State(TypedDict):
request: str
result: str
builder = StateGraph(State)
builder.add_node("work", run_work)
builder.add_edge(START, "work")
builder.add_edge("work", END)
graph = builder.compile()- 显式状态：节点读取当前 State，只返回需要合并的更新。状态应保存原始业务数据，Prompt 等派生表示在节点内按需构造。
- 可控流转：普通边、条件边和
Command可表达分支、循环、并行汇合与动态跳转。循环必须另设终止条件、迭代上限或预算，不能把“反思到合格”写成无界循环。 - 持久化与恢复：编译时配置 checkpointer，并在运行配置中提供 ，才会形成可恢复的线程状态；不是创建 后就自动得到持久化。