LangGraph 工作流编排：从状态机到生产系统

LangGraph 是 LangChain 团队在 2024 年推出的 Agent 编排框架，2026 年已成为事实标准。

它的核心思想：Agent 是状态机。用图（Graph）建模，比 Chain 灵活 10 倍。

为什么 LangGraph 是未来

回顾 Agent 框架的演进：

• LangChain Agent（2023）：基于 Chain，灵活但难调试
• LangGraph（2024-）：基于状态图，灵活 + 可调试 + 可视化

LangGraph 的核心优势：

1. 循环（Cycle）：Agent 可以反复迭代——Chain 不支持循环
2. 状态（State）：显式的状态管理——而不是 Chain 的隐式上下文
3. 分支（Branch）：动态决策路径——不是 Chain 的固定路径
4. 持久化：状态可保存、可恢复——生产环境的关键

这门课就是讲 LangGraph。12 章，从状态机基础到生产级系统。

课程前置知识

• ✅ Python 异步编程
• ✅ LLM 工程师基础
• ✅ AI Agent 架构师（建议先看）

---

📚 完整章节大纲（12 章）

模块一：基础（第 1-3 章）

第 1 章：为什么需要 LangGraph

• LangChain Chain 的局限：没有循环、没有状态
• 心智模型：Agent 是状态机
• LangGraph vs AutoGPT vs CrewAI
• 生产经验：LangGraph 是 2026 年的默认选择

第 2 章：StateGraph 入门

• 三个核心概念：State（状态）、Node（节点）、Edge（边）
• 第一个 LangGraph 程序：3 个节点的简单流程
• 实战：用 LangGraph 实现问答 Agent

练习：实现一个最简单的 StateGraph。

第 3 章：State 设计模式

• TypedDict vs Pydantic vs dataclass
• Annotated[list, add_messages]：消息累积
• State Reducer：怎么合并状态
• 生产经验：State 设计的 5 个原则

练习：设计一个带消息历史的 Agent State。

模块二：核心特性（第 4-7 章）

第 4 章：Node 与 Edge——图的最小单元

• Node 函数签名：def my_node(state: State) -> dict
• 普通 Edge：固定路径
• Conditional Edge：动态分支
• 生产经验：怎么设计清晰的节点职责

练习：实现一个 5 节点的复杂工作流。

第 5 章：Conditional Branching——动态决策

• add_conditional_edges：基于状态的动态路由
• 实战：让 Agent 根据情况选择不同工具
• 生产经验：分支设计的 3 个坑

练习：实现一个"如果检索不到，就改写 Query 再试"的工作流。

第 6 章：循环（Cycle）——Agent 的灵魂

• 为什么 Agent 必须有循环
• add_edge 自循环
• 循环终止条件：怎么防止无限循环
• 实战：ReAct Agent 的循环实现

练习：用 LangGraph 实现完整 ReAct Agent。

第 7 章：Streaming——流式响应

• stream_mode="values" vs "updates" vs "events"
• 实战：让 LangGraph 支持流式输出
• 生产经验：流式响应的 3 个细节

练习：把 LangGraph Agent 接入前端流式渲染。

模块三：高级特性（第 8-10 章）

第 8 章：Sub-graph——图的嵌套

• 怎么把复杂工作流拆成子图
• State Schema 共享 vs 隔离
• 实战：Multi-Agent 系统的 Sub-graph 设计

练习：用 Sub-graph 实现 Supervisor + Worker。

第 9 章：持久化与 Checkpointing

• MemorySaver / SqliteSaver / PostgresSaver：三种持久化方案
• 实战：让 Agent 状态可恢复
• Human-in-the-Loop：让人类介入 Agent 决策
• 生产经验：持久化在生产环境的必要性

练习：实现一个可中断 + 可恢复的 Agent。

第 10 章：ToolNode 与 Function Calling

• 预置的 ToolNode：自动处理工具调用
• 实战：让 LangGraph Agent 调用多个工具
• 错误处理：工具调用失败的 5 种应对
• 生产经验：ToolNode 的限制与绕过

练习：实现一个能调用 5 个工具的 Agent。

模块四：生产化（第 11-12 章）

第 11 章：可观测性与调试

• LangSmith 集成：完整 trace
• 生产经验：怎么 debug LangGraph 工作流
• 性能优化：Node 执行时间分析
• 测试策略：单元测试 + 集成测试

练习：给 LangGraph Agent 加上完整可观测性。

第 12 章：总结：LangGraph 实战地图

• 12 章回顾：从 StateGraph 到生产系统
• 5 个经典模式：ReAct / Multi-Agent / RAG / Human-in-the-Loop / Planning
• 接下来学什么：AI Agent 架构师、LLM 时代的 MLOps
• 求职 / 创业：怎么用 LangGraph 项目展示能力

---

✅ 检查清单

完成后回来勾选：

• 能用 LangGraph 实现 ReAct Agent
• 能用 Conditional Edge 实现动态分支
• 能用循环实现 Agent 自主迭代
• 能用 Sub-graph 设计 Multi-Agent 系统
• 能用持久化实现 Human-in-the-Loop
• 能用 LangSmith 调试 LangGraph 工作流

---

推荐资源

资源	类型	链接
LangGraph 官方文档	文档	https://langchain-ai.github.io/langgraph
LangGraph 实战教程	教程	https://langchain-ai.github.io/langgraph/tutorials
LangChain Academy	课程	https://academy.langchain.com
LangSmith 文档	可观测性	https://docs.smith.langchain.com

---

下一步

LangGraph 是 Agent 编排的核心。如果你：

• 想看更宏观的 Agent 设计 → AI Agent 架构师
• 想了解 LLM 推理优化 → LLM 推理优化与部署
• 想了解 LLM 生产化 → LLM 时代的 MLOps