LangGraph 是什么：复杂 Agent 为何要从链升级到图

上一篇我们拆解了 Agent 的记忆系统——短期、长期到知识图谱解决了AI 记不住事的问题。但当 Agent 任务复杂起来你会遇到另一个更难的问题任务需要循环、需要分支、需要回退而 LangChain 的 Chain 只能直线跑。你写了一个代码生成 Agent它生成代码、测试代码、如果测试失败就修复代码——这个生成→测试→修复→再测试的循环用 Chain 根本表达不出来。一句话定义LangGraph 是 LangChain 团队开发的有状态、多步骤 Agent 编排框架把 Agent 的执行流程从管道升级成流程图——节点是处理步骤边是转跳条件状态在整个流程中流动和积累。类比如果 LangChain Chain 是一条流水线原材料进去产品出来中间不能停那 LangGraph 是一张地铁线路图——可以换乘、可以折返、可以在某站等待条件再出发。为什么 Chain 不够用很多开发者第一次写 Agent都从 LangChain 的AgentExecutor或者简单的 Chain 开始。能用但碰到这三类需求就会卡死场景一需要循环// ❌ Chain 的本质是 DAG有向无环图不支持循环// 代码生成 → 测试 → 如果失败 → 重新生成 → 这个循环你没法写constRunnableSequencefrom// 如果 test 失败想回到 generateCodeStep// Chain 做不到它只能往前走你唯一的选择是在外层 JavaScript 里手写 while 循环然后把状态到处传递——代码很快变成屎山。场景二需要条件分支// ❌ Chain 的分支很难看// 用户问的是代码问题还是概念问题不同问题走不同路constRunnableSequencefrom// 根据分类结果走不同路// LangChain 有 RunnableBranch但嵌套深了非常难维护RunnableBranchfrom两层嵌套还好三层以上你自己都看不懂自己写的是什么。场景三需要多 Agent 协作一个任务分给多个专家 Agent每个 Agent 处理完再汇总汇总结果不满意还要重新分配——这种并行 汇聚 条件重试的模式Chain 根本没有语法来表达。核心问题在于Chain 是无环的而真实 Agent 任务是有环的。LangGraph 的核心模型LangGraph 用三个概念解决了这个问题1. State状态——流程的工作台所有节点共享一个 State 对象每个节点从 State 读输入、把输出写回 State。State 不是局部变量是贯穿整个流程的全局工作台。importStateGraphAnnotationfromlangchain/langgraph// 定义状态结构——这是整个 Agent 的工作台constAgentStateAnnotationRoot// 用户输入userInputAnnotationstring// 消息历史messagesAnnotationBaseMessagereducer(prev, next) concat// 消息追加不是覆盖default() // 生成的代码generatedCodeAnnotationstring// 测试结果testResultAnnotationpassedbooleanstring// 重试次数retryCountAnnotationnumberdefault() 0关键State 的reducer定义了同一个字段被多个节点写入时如何合并——消息是追加计数是累加最终结果是覆盖。2. Node节点——每个处理步骤节点就是普通的 async 函数接收当前 State返回要更新的字段。LangGraph 会自动把返回值 merge 进 State。// 节点1生成代码asyncfunctiongenerateCodestate: typeof AgentState.StateconstawaitinvokenewSystemMessage你是一个专业的 TypeScript 开发者生成高质量代码newHumanMessageuserInputreturngeneratedCodecontentasstringmessages// reducer 会把这条消息 concat 到历史里// 节点2测试代码asyncfunctiontestCodestate: typeof AgentState.Statetry// 在沙箱里运行生成的代码awaitrunInSandboxgeneratedCodereturntestResultpassedtruecatchreturntestResultpassedfalseerrormessageretryCountretryCount1// 重试计数// 节点3修复代码asyncfunctionfixCodestate: typeof AgentState.StateconstawaitinvokenewSystemMessage修复以下代码的错误newHumanMessage代码\n${state.generatedCode}\n\n错误${state.testResult.error}returngeneratedCodecontentasstring// 覆盖之前的代码节点只关心自己负责的事State 负责传递上下文——这是关注点分离。3. Edge边——转跳逻辑边定义节点之间怎么跳转分两种固定边A 执行完一定去 BaddEdgegenerateCodetestCode// 生成后必须测试条件边根据 State 决定去哪儿// 条件函数返回下一个节点的名字functionshouldRetryOrEndstate: typeof AgentState.StatestringiftestResultpassedreturnEND// 测试通过结束ifretryCount3returnEND// 超过重试次数放弃returnfixCode// 测试失败去修复addConditionalEdgestestCodefixCodefixCodeENDEND// LangGraph 内置的终止节点完整示例代码生成 自动修复 Agent把上面三个概念组合起来写一个完整的生成代码→测试→自动修复AgentimportStateGraphAnnotationENDSTARTfromlangchain/langgraphimportChatOpenAIfromlangchain/openaiimportBaseMessageHumanMessageSystemMessagefromlangchain/core/messagesconstnewChatOpenAImodelgpt-4o-mini// 1. 定义状态constAgentStateAnnotationRootuserInputAnnotationstringmessagesAnnotationBaseMessagereducer(prev, next) concatdefault() generatedCodeAnnotationstringdefault() testResultAnnotationpassedbooleanstringnulldefault() nullretryCountAnnotationnumberdefault() 0// 2. 定义节点asyncfunctiongenerateCodestate: typeof AgentState.StateconstawaitinvokenewSystemMessage生成可运行的 TypeScript 代码。只输出代码不要解释。newHumanMessageuserInputreturngeneratedCodecontentasstringasyncfunctiontestCodestate: typeof AgentState.State// 简化版检查代码是否有明显语法错误constgeneratedCodeincludesundefinedgeneratedCodeincludes???ifreturntestResultpassedfalseerror代码包含未定义变量或占位符retryCountretryCount1returntestResultpassedtrueasyncfunctionfixCodestate: typeof AgentState.StateconstawaitinvokenewSystemMessage修复代码中的错误只输出修复后的代码。newHumanMessage原代码\n${state.generatedCode}\n\n错误信息${state.testResult?.error}returngeneratedCodecontentasstring// 3. 条件函数functionrouteAfterTeststate: typeof AgentState.StateiftestResultpassedreturnendifretryCount3returnend// 最多重试 3 次returnfix// 4. 组装图constnewStateGraphAgentStateaddNodegenerateaddNodetestaddNodefixaddEdgeSTARTgenerate// 入口 → 生成addEdgegeneratetest// 生成 → 测试addConditionalEdgestestfixfix// 测试失败 → 修复endEND// 测试通过 or 超次数 → 结束addEdgefixtest// 修复 → 重新测试形成循环constcompile// 5. 运行constawaitinvokeuserInput写一个 TypeScript 函数输入数组返回去重后的数组consolelog最终代码generatedCodeconsolelog测试结果testResultconsolelog重试次数retryCount运行这个 Agent你会看到它真的在思考→测试→修复→重新测试这个循环里运转——Chain 是表达不出这个流程的。可视化让图看得见LangGraph 一个很好用的特性是可以把图结构画出来方便调试// 输出 Mermaid 格式的图结构constgetGraphconstdrawMermaidconsolelog// 输出类似// graph TD// __start__ -- generate// generate -- test// test --|fix| fix// test --|end| __end__// fix -- test把这段 Mermaid 粘到 mermaid.live[1] 就能看到完整流程图。在团队协作时这个功能价值很大——产品、设计都能看懂 Agent 在干什么。与 LangChain AgentExecutor 的对比很多人会问我已经在用AgentExecutor需要迁移到 LangGraph 吗维度AgentExecutorLangGraph适用场景单 Agent 工具调用多步骤、多 Agent、有循环的复杂流程流程控制黑盒框架自动决定白盒你显式定义每条边可调试性难不知道内部在干什么好可以可视化、可以打断点状态管理隐式框架内部维护显式你定义 State 结构并行执行不支持支持多节点同时跑人工介入不支持原生支持human-in-the-loop✅还在做简单的输入 → 工具调用 → 输出继续用 AgentExecutor没必要升级✅需要循环、分支、多 Agent 协作、人工审核上 LangGraph❌AgentExecutor 够用却强行上 LangGraph会增加不必要的复杂度常见坑踩过才知道坑一State 字段没写 reducer多节点写同一字段时数据丢失// ❌ messages 没有 reducer后一个节点的写入会覆盖前一个constBadStateAnnotationRootmessagesAnnotationBaseMessage// 没有 reducer// ✅ 必须给 messages 加追加 reducerconstGoodStateAnnotationRootmessagesAnnotationBaseMessagereducer(prev, next) concatdefault() 坑二条件边函数返回值和 mapping 不对应导致流程卡死// ❌ 函数返回 continue但 mapping 里是 fixaddConditionalEdgestest(state) testResultpasseddonecontinue// 返回 continuefixfixNode// ← fix 和 continue 对不上doneEND// ✅ 返回值和 mapping key 必须一一对应addConditionalEdgestest(state) testResultpasseddonefix// 返回 fixfixfixNode// ← 匹配了doneEND坑三循环没有退出条件Agent 死循环跑账单// ❌ 忘了加 retryCount 限制模型一直修不好就一直跑functionrouteAfterTeststateiftestResultpassedreturnendreturnfix// 永远修永远测永远修...// ✅ 加上重试次数上限functionrouteAfterTeststateiftestResultpassedreturnendifretryCount3returnend// 超 3 次强制结束returnfix坑四compile() 之后再修改图结构不生效// ❌ compile 之后还在加节点constcompileaddNodenewNode// 不生效compile 之后图就固定了// ✅ 所有节点和边必须在 compile 之前加完addNodenewNodeaddEdgesomeNodenewNodeconstcompile// 最后才 compile坑五State 里存了太多大对象内存爆炸// ❌ 把完整的 DOM 树、大文件内容存进 StateconstBadStateAnnotationRootfullPageHTMLAnnotationstring// 可能几 MBallImagesAnnotationBuffer// 更可能几十 MB// ✅ State 只存索引或摘要原始数据存外部存储constGoodStateAnnotationRootpageUrlAnnotationstring// 存 URL 而不是 HTML 内容imageIdsAnnotationstring// 存 ID 而不是二进制发布前自查清单State 里的数组/列表字段都有 reducer防止覆盖所有条件边的返回值和 mapping 一一对应每条可能循环的路径都有退出条件retryCount 或 maxStepscompile() 在所有 addNode/addEdge 之后调用State 只存必要的轻量数据大对象用外部存储总结这篇我们从Chain 为什么不够用开始完整拆解了 LangGraph 的核心模型Chain 的局限本质是 DAG无环图表达不了循环、条件分支、多 Agent 协作State 是核心全局工作台节点之间靠 State 传递上下文reducer 定义字段如何合并Node 是执行单元每个节点只关注自己的逻辑输入/输出都通过 StateEdge 是控制逻辑固定边 条件边条件边的返回值决定下一步走哪里可视化是利器drawMermaid() 让 Agent 流程对人可见、可调试AgentExecutor vs LangGraph简单工具调用用前者复杂多步流程用后者理解 LangGraph 的核心是你不是在写代码逻辑你是在画一张执行流程图——节点是动词边是条件State 是流程图上流动的数据。下一篇我们进入 LangGraph 三要素的深度解析把 State、Node、Edge 每一个概念彻底弄懂包括 Checkpoint断点续跑和 Streaming流式输出怎么用。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】