不要将 LangGraph 仅仅视为更长的链
不要再把 LangGraph 看作是步骤更多的 LangChain 了。这种错误会导致 Agent 失效。
LangGraph 适用于需要状态 (state)、分支 (branches)、工具调用 (tool calls) 和人工审批 (human approval) 的工作流。它适用于那些必须在不重启的情况下从错误中恢复的 Agent。
如果你要使用它，必须首先定义三件事：状态 (state)、中断 (interrupts) 和恢复 (recovery)。
第一个边界：State Schema
对于单个 Prompt，边界是文本。对于 LangGraph，边界是 State schema。你必须决定：
- 哪些字段在节点之间传递。
- 节点更新哪些字段。
- 并行分支如何合并值。
- 哪些值进入检查点 (checkpoint)。
- 哪些值绝不能持久化。
Reducer 在这里至关重要。如果你没有设置合适的规则来追加消息，你的并行工作将会丢失数据。
从小处着手。构建一个仅包含一个 schema、一个节点和一个 reducer 的图。如果你连这都做不到，那么增加工具只会掩盖你的错误。
运行时边界
在调用 compile() 之前，你的图仅仅是一个描述。调用 compile() 之后，运行时 (runtime) 开始接管。
当图运行失败时，不要只盯着节点看。请检查以下四点：
- State schema 是否允许该节点写入该键 (key)？
- 节点是否返回了有效的 State 字段？
- Reducer 是否正确合并了数据？
- 条件边 (conditional edge) 是否有退出路径？
人机协同 (Human In The Loop)
不要将人工审批视为一种 UI 功能。要将其视为一种图契约 (graph contract)。
一个可靠的模式如下所示：
- 模型提议进行工具调用。
- 图触发中断。
- 人工审批或编辑该操作。
- 图从该精确点恢复运行。
这使得 Agent 具有可恢复性，而不仅仅是响应式。
冒烟测试清单
在进入生产环境之前，请运行此测试：
- 使用一个不含生产数据的临时目录。
- 定义一个最小化的 State。
- 编写一个仅返回有效字段的节点。
- 使用 reducer 来处理追加操作。
- 在工具操作之前添加一个中断。
- 添加一个检查点管理器 (checkpointer)。
- 强制发生故障并验证恢复行为。
如果这条路径失败了，不要增加更多工具。问题出在你的运行时边界。
LangGraph 并非用于一次性的模型调用。当你的 AI 需要执行可检查、可暂停且可审查的多步工作时，才应使用它。
Optional learning community: https://t.me/GyaanSetuAi