【LangGraph框架入门级】12. 人机交互：interrupt 中断与 Command 恢复

人机交互：interrupt 中断与 Command 恢复

完全自动化虽好，但在「发邮件、转账、删除数据」这类高风险操作前，我们希望 AI 先停下来，等人确认或修改后再继续。

本篇讲持久化落地的第二大能力------人机交互（human-in-the-loop，人在回路中） ，核心是 interrupt（中断） 和 Command（指令恢复）。

1. 为什么需要人机交互

LLM 不是 100% 可靠，可能误判、误操作。在关键节点引入人工把关，能大幅降低风险：

发邮件前先给人看一眼内容；
转账、下单前确认金额和对象；
工具参数不确定时让人补全或修正。

人机交互就是让图能在指定位置暂停，把控制权交给人，处理完再恢复。

2. 核心机制：interrupt 中断

在节点（或工具）里调用 interrupt(要展示给人的信息)，图会在这里立即暂停，并把传入的信息抛给外部等待人工处理：

python 复制代码

from langgraph.types import interrupt, Command
from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import StateGraph, START, END
from typing_extensions import TypedDict

class State(TypedDict):
    messages: list

def human_feedback(state: State):
    # interrupt：暂停，并把问题抛给人
    answer = interrupt("你想继续吗？")
    # 恢复后，answer 就是人传回的值
    return {"messages": [f"用户的回答是：{answer}"]}

builder = StateGraph(State)
builder.add_node("human_feedback", human_feedback)
builder.add_edge(START, "human_feedback")
builder.add_edge("human_feedback", END)

# 必须配置 checkpointer，中断状态才能保存
graph = builder.compile(checkpointer=InMemorySaver())

第一次 invoke 会在 interrupt 处暂停，返回中断信息：

python 复制代码

config = {"configurable": {"thread_id": "1"}}
result = graph.invoke({"messages": []}, config)
print(result)   # __interrupt__: (Interrupt(value='你想继续吗？', ...))

此时图的状态已被保存，程序可以退出，人可以过很久再回来。

3. 用 Command 恢复执行

人处理完后，用 Command(resume=人的输入) 恢复，interrupt() 的返回值就是这个输入：

python 复制代码

from langgraph.types import Command

for event in graph.stream(Command(resume="继续"), config=config):
    print(event)

也可以用 invoke(Command(resume=...), config)。恢复后图从中断点继续往下走。

4. 黄金法则（重要）

interrupt 有一条必须牢记的行为：

当图恢复执行时，整个节点（或工具）会从头重新执行，interrupt() 这一次直接返回人传入的值，不会再次暂停。

为什么这么设计：暂停期间程序可能已经退出，恢复时 LangGraph 是重跑整个节点，而不是从暂停的那一行「接着跑」。

由此带来的关键坑点：

interrupt 之前的副作用会被重复执行！
比如节点里在 interrupt 之前先调了一次外部 API、写了一次数据库，恢复时节点重跑，这个 API / 写库会再执行一遍。

正确做法------把 interrupt 放在节点最前面，让有副作用的操作都在 interrupt 之后：

python 复制代码

def bad_node(state):
    send_email()                 # ❌ 恢复时会再发一次邮件！
    confirm = interrupt("确认发送？")
    ...

def good_node(state):
    confirm = interrupt("确认发送？")   # ✅ 先暂停
    if confirm == "yes":
        send_email()                   # 副作用在中断之后，只执行一次

记忆点：interrupt 尽量放节点开头；中断前不要写有副作用的代码。

5. 四种典型应用模式

5.1 模式一：批准 / 拒绝（Approval）

执行高风险操作前暂停，人选择同意或拒绝：

python 复制代码

def sensitive_tool_node(state):
    decision = interrupt({"action": "删除文件", "file": "data.csv"})
    if decision == "approve":
        return {"messages": ["已删除"]}
    return {"messages": ["已取消"]}

5.2 模式二：编辑状态 / 参数（Edit State）

人在恢复时直接修改要执行的内容或参数：

python 复制代码

def email_node(state):
    draft = "您好，感谢购买..."
    edited = interrupt({"draft": draft})   # 人可以改邮件正文
    # edited 里带回修改后的内容
    send_email(edited)
    return {"messages": ["邮件已发送"]}

5.3 模式三：补充输入（Review Inputs）

信息不全时暂停，等人补全后再继续（如补一个地址、选一个选项）。

5.4 模式四：多代理 / 多环节协同中的人工评审

在「评估器-优化器」里，把质量评估这一环交给人：生成内容后 interrupt 暂停，人给评分和修改意见，再带着反馈重新生成。

这正好对应前面工作流模式里说的「人机交互式评估」。

6. 本篇小结

人机交互让图在关键步骤暂停、等人处理后恢复，用于高风险操作把关。
interrupt(信息) 让图暂停并抛出信息；必须配 checkpointer 才能保存中断状态。
用 Command(resume=人的输入) 恢复，interrupt() 的返回值即人的输入。
黄金法则 ：恢复时整个节点从头重跑，interrupt 直接返回值；所以 interrupt 前的副作用会重复执行------把 interrupt 放节点最前面，副作用放后面。
四种模式：批准/拒绝、编辑状态/参数、补充输入、人工评审（评估器）。

下一篇讲持久化落地的第三大能力------时间旅行（Time Travel）：回到任意历史检查点，修改输入或状态后重新执行，是调试复杂 Agent 的利器。

【LangGraph框架入门级】12. 人机交互：interrupt 中断与 Command 恢复

人机交互：interrupt 中断与 Command 恢复

目录

1. 为什么需要人机交互

2. 核心机制：interrupt 中断

3. 用 Command 恢复执行

4. 黄金法则（重要）

5. 四种典型应用模式

5.1 模式一：批准 / 拒绝（Approval）

5.2 模式二：编辑状态 / 参数（Edit State）

5.3 模式三：补充输入（Review Inputs）

5.4 模式四：多代理 / 多环节协同中的人工评审

6. 本篇小结