简介
LangGraph 是 LangChain 生态中的高级 Agent 编排框架，它不满足于 LangChain 的线性”链式”调用，而是将 Agent 的决策流程建模为一个有状态的有向图（Graph）。在这个图中，节点（Node）代表 Agent 执行的步骤或 Action，边（Edge）代表流程路径，条件边（Conditional Edge）则根据当前状态动态决定下一步走向。这让 LangGraph 能够表达循环、分支、暂停等复杂控制流。
LangGraph 解决了传统 Chain 框架在构建复杂 Agent 时的核心痛点 —— 无法处理循环和条件分支。在 Agent 自主决策的场景中，Agent 经常需要根据中间结果决定”下一步做什么”，可能涉及到循环决策（如重新搜索 -> 再次阅读 -> 再次评估），而 LangGraph 的图模型天然支持这种动态的、非线性的执行流程。此外，LangGraph 内置了持久化、检查点和 Human-in-the-Loop 支持，是构建生产级 Agent 系统的得力框架。
核心功能
- 状态化图编排：将 Agent 流程定义为图结构，节点是执行动作，边是流程转移。每个节点可以读写共享的”状态”对象，状态的变化驱动流程前进。
- 循环与条件分支：支持循环（如 Agent 反复搜索直到找到答案）和条件分支（如根据评估结果选择不同路径），解决了 Chain 框架的线性局限。
- 持久化与检查点：自动保存 Agent 执行的每一步状态到数据库（支持 Postgres、SQLite 等），中断后可恢复执行，适合长时间运行的任务。
- Human-in-the-Loop：在图的任意节点设置暂停点，等待人工确认后再继续执行。在关键决策（如数据删除、资金转账）中可设置人工审批环节。
- 多 Agent 协作：将一个 Agent 作为节点，多个 Agent 组成协作图。Agent 之间通过共享状态进行通信，实现”规划 Agent → 搜索 Agent → 撰写 Agent → 审核 Agent”的分工协作。
价格
- 开源版：完全免费，MIT 协议。通过
pip install langgraph安装，无任何功能限制。 - LangGraph Cloud（托管服务）：提供云端持久化、监控和管理能力，免费额度后按量计费。
优缺点
- 优点：图编排模式表达能力强，能处理 Chain 框架无法应对的复杂控制流；内置持久化、检查点和断点续传，适合生产级部署；支持 Human-in-the-Loop，在安全敏感场景中可加入人工审核；与 LangChain/LangSmith 无缝集成，生态完整。
- 缺点：Graph 的概念模型需要一定时间理解和适应；复杂图的调试比较麻烦，缺乏可视化的流程图编辑器；文档和示例虽在完善中，但高级场景的参考案例仍有限。
适合人群
LangGraph 适合正在构建复杂 Agent 系统的 AI 工程师，特别是需要处理多步骤决策、需要支持循环逻辑、或需要持久化执行状态的生产级应用。如果你发现 LangChain 的 Chain 和 Agent 无法满足你的控制流需求，LangGraph 就是下一步应该了解的工具。
使用技巧
- 从简单的线性图开始搭建框架，再逐步加入条件分支和循环，避免一开始就设计过于复杂的图结构。
- 善用检查点功能，在开发和调试阶段每次 Agent 执行后检查状态变化，有助于理解 Agent 的决策过程。
- 在关键操作前设置 Human-in-the-Loop 节点，例如”确认后删除数据”或”审核后发送邮件”，提升系统安全性。
