LangGraph：状态机与循环

LangChain 的创始人 Harrison Chase 曾说：“Agent 的本质是一个循环。”

传统的 LangChain 擅长构建 DAG（有向无环图），即 A->B->C 的线性流程。但在构建复杂 Agent 时，我们需要循环（如：写代码 -> 报错 -> 修改 -> 再运行）。

LangGraph 应运而生。它是基于图论的 Agent 编排框架。

#1. 核心概念：StateGraph

LangGraph 的核心是将 Agent 建模为一个状态机 (State Machine)。

stateDiagram-v2
    [*] --> LLM : 输入
    LLM --> Tool : 调用工具
    Tool --> LLM : 返回结果
    
    state LLM {
        [*] --> Thinking
        Thinking --> Deciding
    }
    
    state Tool {
        API_Call --> Parse_Result
    }
    
    LLM --> End : 完成任务
    Tool --> Error : 异常
    Error --> LLM : 重试 (Loop)

#State (状态)

一个全局共享的数据对象（通常是 TypedDict）。所有节点都可以读取和修改它。

python复制
class AgentState(TypedDict):
    messages: list[BaseMessage]
    current_code: str
    error_logs: str
    iterations: int

#Nodes (节点)

执行具体逻辑的函数（如调用 LLM、运行代码）。每个节点接收 State，并返回 State 的更新量。

#Edges (边)

控制流程的跳转。

• 普通边：A -> B（A 跑完直接跑 B）。
• 条件边 (Conditional Edges)：根据 A 的输出决定跑 B 还是 C。这是实现“循环”和“分支”的关键。

#2. Hello World: 一个简单的循环 Agent

假设我们要构建一个“Reflexion Coder”：写代码 -> 检查 -> 有错重写 -> 没错结束。

graph LR
    Start((Start)) --> Write[编写代码]
    Write --> Check[运行检查]
    
    Check -->|有错误| Write
    Check -->|通过| End((End))

python复制
from langgraph.graph import StateGraph, END

# 1. 定义状态
class State(TypedDict):
    code: str
    error: str

# 2. 定义节点函数
def write_code(state):
    # 调用 LLM 生成代码
    return {"code": "print('hello')"}

def check_code(state):
    # 模拟运行检查
    if "error" in state["code"]:
        return {"error": "Syntax Error"}
    return {"error": ""}

# 3. 定义条件逻辑
def router(state):
    if state["error"]:
        return "write_code" # 有错，循环回去重写
    return "end" # 没错，结束

# 4. 构建图
workflow = StateGraph(State)
workflow.add_node("write_code", write_code)
workflow.add_node("check_code", check_code)

workflow.set_entry_point("write_code")
workflow.add_edge("write_code", "check_code")
workflow.add_conditional_edges(
    "check_code",
    router,
    {"write_code": "write_code", "end": END}
)

app = workflow.compile()

#3. Human-in-the-loop (人类介入)

Agent 并不总是可靠的。在关键步骤（如：发送邮件、部署代码），我们需要人类审批。

LangGraph 原生支持断点 (Interrupts)。

• 可以在某个 Node 前暂停。
• 人类检查 State，甚至修改 State（如帮你改一行代码）。
• 发送“继续”指令，Agent 从断点处恢复运行。

这对于构建生产级 Agent 至关重要。

#4. 为什么选择 LangGraph？

#小结

LangGraph 并不是一个新的“库”，它是一种设计模式。它强迫开发者显式地定义 Agent 的状态流转。虽然上手门槛比 LangChain 高，但它是构建复杂、可靠 Agent 系统的必经之路。