什么是 LangGraph ？
LangGraph 是 LangChain 生态系统中的一个重要组件，专门用于构建有状态、多参与者的 AI 应用。它基于图（Graph）的概念，让开发者能够定义复杂的工作流和状态机。
核心概念
什么是 LangGraph？
LangGraph 是一个用于构建状态机和有向图的框架，特别适合：
- 多步骤的复杂工作流
- 需要维护状态的对话系统
- 多代理协作场景
- 循环和条件分支逻辑
与传统 Chain 的区别
| 特性 | LangChain Chain | LangGraph |
|---|---|---|
| 结构 | 线性/简单分支 | 复杂图结构 |
| 状态 | 无状态/简单记忆 | 完整状态管理 |
| 流程 | 单向流动 | 支持循环、条件 |
| 复杂度 | 简单任务 | 复杂工作流 |
| 可视化 | 有限 | 内置图可视化 |
基础架构
1. 核心组件
fromlanggraph.graphimportStateGraph,ENDfromtypingimportTypedDict,Annotatedimportoperator# 定义状态classAgentState(TypedDict):messages:Annotated[list,operator.add]current_step:strresult:str# 创建图graph=StateGraph(AgentState)2. 节点（Nodes）
节点是图中的处理单元，每个节点执行特定的任务：
fromlangchain_core.messagesimportHumanMessagedefinput_node(state:AgentState):"""输入处理节点"""return{"messages":[HumanMessage(content=state["input"])],"current_step":"processing"}defprocess_node(state:AgentState):"""处理节点"""# 执行处理逻辑return{"current_step":"output","result":"处理完成"}defoutput_node(state:AgentState):"""输出节点"""return{"messages":[AIMessage(content=state["result"])],"current_step":"done"}3. 边（Edges）
边定义节点之间的连接关系：
# 添加节点graph.add_node("input",input_node)graph.add_node("process",process_node)graph.add_node("output",output_node)# 添加边（线性流程）graph.add_edge("input","process")graph.add_edge("process","output")graph.add_edge("output",END)# 设置入口点graph.set_entry_point("input")完整示例
简单的问答流程图
fromlanggraph.graphimportStateGraph,ENDfromlangchain_openaiimportChatOpenAIfromlangchain_core.messagesimportHumanMessage,AIMessagefromtypingimportTypedDict,Annotatedimportoperator# 1. 定义状态classGraphState(TypedDict):messages:Annotated[list,operator.add]user_input:strresponse:str# 2. 初始化 LLMllm=ChatOpenAI(model="gpt-4")# 3. 定义节点definput_handler(state:GraphState):"""处理用户输入"""print(f"用户输入:{state['user_input']}")return{"messages":[HumanMessage(content=state['user_input'])]}defllm_processor(state:GraphState):"""LLM 处理"""response=llm.invoke(state["messages"])print(f"LLM 响应:{response.content}")return{