LangGraph 概览 - 技术栈

借助 LangGraph 实现精准控制，设计能够可靠处理复杂任务的智能体。

LangGraph 受到包括 Klarna、Replit、Elastic 等引领智能体未来的企业信赖，是一个底层编排框架与运行时，用于构建、管理和部署长时间运行、有状态的智能体。

LangGraph 非常底层，并且完全专注于智能体编排。

本文档中我们会普遍使用 LangChain 组件来集成模型与工具，但使用 LangGraph 并不需要依赖 LangChain。

如果你刚刚开始接触智能体，或希望使用更高层级的抽象，我们建议你使用 LangChain 的智能体（agents），它为常见的 LLM 与工具调用循环提供了预构建的架构。

LangGraph 专注于对智能体编排至关重要的底层能力：

持久化执行、流式输出、人机协同等。

安装

Bash 复制代码

pip install -U langgraph

Bash 复制代码

uv add langgraph

接下来，创建一个简单的"Hello World"示例：

python 复制代码

from langgraph.graph import StateGraph, MessagesState, START, END

def mock_llm(state: MessagesState):
    return {"messages": [{"role": "ai", "content": "hello world"}]}

graph = StateGraph(MessagesState)
graph.add_node(mock_llm)
graph.add_edge(START, "mock_llm")
graph.add_edge("mock_llm", END)
graph = graph.compile()

graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})

核心优势

LangGraph 为任何长时间运行、有状态的工作流或智能体提供底层支撑基础设施。

LangGraph 不会对提示词或架构做高层抽象，而是提供以下核心优势：

持久化执行：构建可在故障中恢复、长时间运行的智能体，并能从中断处继续执行。
人机协同（Human-in-the-loop）：在任意节点检查与修改智能体状态，实现人工监督。
完备的记忆能力：构建有状态智能体，同时支持用于实时推理的短期工作记忆和跨会话的长期记忆。
使用 LangSmith 调试：通过可视化工具深度观测复杂智能体行为，追踪执行路径、捕获状态转换、提供详细的运行时指标。
生产级部署：使用专为有状态、长时间运行工作流设计的可扩展基础设施，放心部署复杂智能体系统。

LangGraph 生态系统

LangGraph 既可以独立使用，也能与任何 LangChain 产品无缝集成，为开发者提供一整套构建智能体的工具链。

为提升 LLM 应用开发体验，可将 LangGraph 与以下工具搭配使用：

LangSmith

在统一平台中追踪请求、评估输出、监控部署。

使用 LangGraph 本地原型开发，再通过集成式可观测性与评估能力上线生产环境，构建更可靠的智能体系统。

LangSmith Agent Server

专为长时间运行、有状态工作流设计的部署平台，轻松部署与扩容智能体。

在团队内发现、复用、配置与共享智能体，并通过 Studio 可视化原型工具快速迭代。

LangChain

提供集成能力与可组合组件，简化 LLM 应用开发。

包含构建在 LangGraph 之上的智能体高层抽象。