AI 深度解析 EP09: LangGraph — 用图结构构建生产级 AI Agent

LangGraph：AI Agent 的状态机

LangGraph 通过将 Agent 视为有向图并自动检查点，解决了 AI Agent 系统的根本脆弱性问题。

核心架构

• State（状态）：带 reducer 函数的类型化字典，贯穿整个图
• Node（节点）：纯函数，接收状态返回部分更新
• Edge（边）：普通边、条件边、入口/出口边控制流程
• Checkpointer（检查点）：每个节点执行后自动持久化（生产环境用 PostgresSaver）

关键模式

1. ReAct 循环：Agent → 工具 → Agent（显式、类型化、有检查点的循环）
2. Supervisor 模式：中央路由器分派到专业子 Agent
3. Human-in-the-Loop：在任意检查点中断/恢复
4. 子图：嵌套图处理复杂工作流

生产部署要点

• 使用 PostgresSaver 实现多实例状态共享
• 使用 stream events 获取 token 级别的流式响应
• 集成 LangSmith 实现全链路可观测
• 务必设置递归深度限制

🎧 收听播客

• English Version
• 中文版本