LangGraph：状态图与持久执行

LangGraph是2026年低层有状态编排的参考。Agent是状态机；节点是函数；边是转换；状态是不可变的并在每步后检查点。从任何失败处精确恢复。

类型： 学习 + 构建 语言： Python (stdlib) 前置条件： Phase 14 · 01 (Agent循环), Phase 14 · 12 (工作流模式) 时间： ~75分钟

学习目标

• 描述LangGraph的核心模型：带不可变状态、函数节点、条件边和步后检查点的状态机。
• 说出文档强调的四种能力：持久执行、流式传输、人机协作、全面记忆。
• 解释LangGraph支持的三种编排拓扑：监督者、点对点（群体）、层次（嵌套子图）。
• 实现一个带不可变状态、条件边和检查点/恢复循环的stdlib状态图。

问题所在

Agent和工作流共享一个问题：当一个40步运行在第38步失败时，你想从第38步恢复，而不是从头开始。二等状态模型让运维围绕假设全新运行的库来hack重试。

LangGraph的设计答案：状态是一等类型化对象，变异是显式的，检查点在每个节点后持久化。恢复是一个load_state(session_id)调用。

核心概念

图

图由以下定义：

• 状态类型。 一个类型化字典（或Pydantic模型），每个节点读取和变异。
• 节点。 纯函数(state) -> state_update。返回后更新合并到状态。
• 边。 节点之间的条件或直接转换。
• 入口和出口。 START和END哨兵节点标记边界。

示例：一个带classify、refund、bug、sales、done节点的Agent——路由工作流作为图。

持久执行

每个节点返回后，运行时序列化状态并写入检查点器（SQLite、Postgres、Redis、自定义）。在第N步失败时，运行时可以resume(session_id)并从第N+1步以精确状态继续。

LangGraph文档明确强调了这很重要的生产用户：Klarna、Uber、J.P. Morgan。声明不是图的形状；而是图的形状加检查点使恢复变得廉价。

流式传输

每个节点可以产生部分输出。图向调用者流式传输每节点增量事件，使UI随图运行而更新。

人机协作

在节点之间检查和修改状态。实现：在关键节点前暂停，向人类展示状态，接受修改，恢复。检查点器使这变得容易，因为状态已经序列化。

记忆

短期（一次运行内——状态中的对话历史）和长期（跨运行——通过检查点器加独立长期存储持久化）。LangGraph通过工具与外部记忆系统集成（Mem0、自定义）。

三种拓扑

1. 监督者。 中心路由LLM分发给专家子Agent。langgraph-supervisor中的create_supervisor()（尽管LangChain团队在2026年建议直接通过工具调用做以获得更多上下文控制）。
2. 群体 / 点对点。 Agent通过共享工具面直接交接。无中心路由器。
3. 层次。 监督者管理子监督者，实现为嵌套子图。

这个模式哪里会出错

• 检查点太小。 只检查点对话轮次会留下工具状态和记忆写入不可恢复。必须序列化完整状态。
• 非确定性节点。 恢复假设节点输入产生相同的状态更新。随机种子、挂钟时间、外部API必须被捕获。
• 过度使用条件边。 每条边都是条件的图是无法推理的状态机。偏好带偶尔分支的线性链。

构建它

code/main.py实现一个stdlib有状态图：

• State — 带有messages、step、route、output、human_approval的类型化字典。
• Node — 接受状态并返回更新字典的可调用对象。
• StateGraph — 节点 + 边 + 条件边 + 运行 + 恢复。
• SQLiteCheckpointer（内存中假实现）— 每个节点后序列化状态；load(session_id)恢复。
• 演示图：classify -> 分支(refund / bug / sales) -> 人工门 -> 发送。

运行：

python3 code/main.py

跟踪显示第一次运行在人工门处失败，持久化，然后恢复产生最终输出。

使用它

• LangGraph — 参考，生产就绪。使用create_react_agent、create_supervisor或构建自己的图。
• AutoGen v0.4（第14课）— 高并发场景的Actor模型替代。
• Claude Agent SDK（第17课）— 带内置会话存储的托管线束。
• 自定义 — 当你需要精确控制状态形状或检查点器后端时。

发布它

outputs/skill-state-graph.md在任何目标运行时中生成带检查点和恢复连接的LangGraph形状状态图。

练习

1. 从classify添加条件边到end，当分类置信度低于阈值时。在人工手动设置route后恢复运行。
2. 将SQLite式假实现替换为真实SQLite检查点器。测量每步序列化开销。
3. 实现并行边：两个节点并发运行，通过自定义reducer合并。不可变状态在这里买了什么？
4. 阅读langgraph-supervisor参考。将玩具移植到create_supervisor。比较跟踪形状。
5. 添加流式传输：每个节点在运行时产生部分状态。打印到达的增量。

关键术语

延伸阅读

• LangGraph概述 — 参考文档
• langgraph-supervisor参考 — 监督者模式API
• AutoGen v0.4, Microsoft Research — Actor模型替代
• Claude Agent SDK概述 — 会话存储和子Agent