LangGraph完整入门指南三步构建长期运行的有状态智能体【免费下载链接】langgraphBuild resilient agents.项目地址: https://gitcode.com/GitHub_Trending/la/langgraphLangGraph是一个面向有状态智能体的低层编排框架。它把复杂的多智能体工作流抽象为一张图提供持久执行、人机协同与检查点记忆适合需要构建长期运行、可故障恢复的AI智能体应用的场景。解决什么问题用常规方式写智能体程序往往把LLM调用串在一个循环里中途抛异常或重启状态就丢了只能从头再跑。想插入人工审核还得自己拆执行流程。LangGraph把整个执行过程视为一张状态图每一步都会保存快照失败后可以从中断处继续人也可以在任意时机介入修改状态。三步让LangGraph跑起来环境要求不高一台有Python环境的机器即可仓库示例基于uv或pip生态运行。安装核心包这是唯一必须执行的命令pip install -U langgraph需要本地调试时再装langgraph-cli包langgraph new可生成模板项目langgraph dev启动本地服务默认端口2024并在浏览器打开可视化调试页面。对照仓库examples/目录下的现成notebook如react-agent-from-scratch.ipynb跑通你的第一个多智能体工作流。它是怎么工作的一张状态图LangGraph的核心思路是把智能体的执行过程建模为有向图每个节点是一步计算比如调用模型或工具节点之间的边定义数据如何流动。整张图共享一份状态每执行一个超步superstep检查点器就会把状态写成一份快照。这套设计借鉴自Pregel和Apache Beam某个节点失败时恢复执行只重跑该节点已成功的节点不会重复运行。上图是仓库示例配套的本地调试界面左侧展示从起点到终点的图结构右侧可实时查看每次运行的状态。执行引擎位于libs/langgraph/langgraph/pregel状态通道定义在libs/langgraph/langgraph/channels。适合谁用谁不适合构建长期运行、需故障恢复的有状态智能体的开发者需要在执行流程中插入人工审核环节的团队要深度定制确定性与智能体混合流程的工程师只想快速拼一个简单LLM应用的人低层框架不合适三大核心能力拆解持久执行智能体失败后自动续跑检查点器在每个超步保存状态快照已完成节点的结果以pending writes存下。失败后从中断处恢复成功节点不重跑长任务不必从头再来。人机协同人在任何执行点都能介入可以在执行过程中的任意时点检查并修改智能体状态敏感操作可以先暂停、由人确认后再继续。检查点记忆短期与长期两级记忆短期工作记忆承载当前推理线程级检查点以thread_id区分跨会话保存状态多轮对话不丢上下文。上手时的常见疑问必须搭配LangChain使用吗不用。LangGraph由LangChain公司开发但可以独立使用搭配LangChain则能获得更多组件集成。不想手搓每个节点怎么办可以直接用仓库libs/prebuilt/目录提供的create_react_agent、ToolNode等预构建组件快速组装出会调用工具的智能体。状态存在哪里默认用内存检查点仓库还以独立库提供Postgres与SQLite两种实现用于生产环境的持久化存储。下一步去哪看项目总览与安装说明核心执行引擎源码预构建智能体组件检查点基础接口现成示例notebook官方在线文档站与API参考的链接见根目录README当你想给智能体工作流加上持久化、人工审核和失败恢复时LangGraph提供了完整的地基。克隆仓库https://gitcode.com/GitHub_Trending/la/langgraph打开examples目录亲手跑通第一个多智能体工作流吧。【免费下载链接】langgraphBuild resilient agents.项目地址: https://gitcode.com/GitHub_Trending/la/langgraph创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考