面经策

什么是 LangGraph ？ ​

  • 标签：AI、大模型、LangChain、LangGraph

🏛 业务架构师 ​

LangGraph 是 LangChain 团队推出的编排框架，把 LLM 应用建模为状态图：节点（每步执行的动作）+ 边（条件跳转关系）+ 共享 State（贯穿全流程的数据）。它支持循环、分支、人工介入、并行分发，官方定位是构建"有状态的、多角色的 Agentic 应用"。

为什么需要它：LangChain 的 Chain 是单向 DAG，但真实业务流程充满"检索不满意就重写问题再查""审批不通过退回修改"的循环与回退，用 Chain 硬做只能套 AgentExecutor 黑盒循环，不可控也不可审计。LangGraph 把控制流显式化——每个节点、每条边都可观测、可打断、可持久化（Checkpoint 机制支持暂停恢复、时间旅行调试），这是生产级 Agent 的刚需。

业务价值：一是复杂流程可交付——客服升级流转、多 Agent 协作审批这类以前"演示能跑、生产不敢上"的场景有了工程底座；二是可审计——每个状态的流转都有记录，满足合规要求；三是人机协同——在关键节点插入 human-in-the-loop 审批，AI 出错时业务可控。

我的建议：只要 Agent 流程需要"循环+分支+人工介入"任一项，就直接用 LangGraph 起步，不要在 Chain 上欠技术债。

🏗 系统架构师 ​

LangGraph 是 LangChain 团队推出的图式 Agent 编排框架：把应用建模为状态机（图）——节点是计算步骤（LLM 调用、工具执行、路由判断），边是状态转移（支持条件边），共享一个可持久化的 State 对象。它已经成为复杂 Agent 编排的事实标准。

为什么需要它（相对传统 Chain）：Chain 是 DAG、无环，表达不了 Agent 的本质——循环（工具结果不满意再试一次、反思重写）。LangGraph 用带环图 + reducer（状态合并策略）把循环、分支、多 Agent 协作变成一等公民。

核心机制：

  • StateGraph：TypedDict/Pydantic 定义状态 schema，节点读写状态，reducer 控制并发写入合并（如消息列表 append）；
  • 条件边：add_conditional_edges 按状态动态路由；
  • Checkpointer：每步后快照持久化（Postgres/Redis），带来三个生产级能力——中断恢复（进程挂了从断点续跑）、时间旅行（回放到某步重试）、人工介入（interrupt 挂起等人审批后继续）；
  • Subgraph：子图复用，多 Agent 分层编排。

我的用法：需要循环+状态+可控终止的场景（研究型 Agent、审批流、多 Agent 协作）一律 LangGraph；线性流水线老老实实用 LCEL，图编排的复杂度不值得。

💻 全栈开发专家 ​

LangGraph 是 LangChain 团队推出的低层图编排框架：把应用建模为「节点（函数）+ 边（含条件边）+ 共享 State」的状态机，专门解决 LCEL 只能做 DAG、无法表达循环的问题——而循环恰恰是 Agent 的本质（决策→行动→观察→再决策）。

核心概念：

  • State：一个 TypedDict/dataclass，贯穿全图，节点返回增量更新（可配 reducer 合并，如消息列表 append）；
  • Node：一个函数，接收 state 返回更新；
  • Edge：固定跳转；Conditional Edge：按 state 动态路由；
  • Checkpointer：每步持久化（Postgres/Redis），支持断点恢复、time travel、human-in-the-loop 中断等待人工审批。
python
from langgraph.graph import StateGraph, END
g = StateGraph(AgentState)
g.add_node("llm", call_model); g.add_node("tools", tool_node)
g.set_entry_point("llm")
g.add_conditional_edges("llm", should_continue, {"tools": "tools", END: END})
g.add_edge("tools", "llm")
app = g.compile(checkpointer=PostgresSaver(...))

一句话定位：LangChain Chain 是流水线，LangGraph 是状态机；做 Agent、自适应 RAG、多步工作流，2026 年的标准答案就是 LangGraph。