← 返回概念解读

Concept Fable精修版

LangGraph

LangGraph · Agent workflow framework

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

织坊把会跑偏的活计画成了一张有状态的图

织坊请来一位会安排活计的师傅。他能让染坊、裁缝、账房和验货人轮流工作,简单订单只要口头交代就能完成。

订单复杂后,口头交代开始失效。有些布要先验色再裁,有些要等客户确认,有些失败后要回到上一步。师傅记在脑子里的流程越来越多。

学徒先把所有步骤写成一长串清单。清单看着完整,却处理不了分叉、等待和重试;一旦中途有人打断,大家就不知道活计停在哪。

一次大客户改了尺寸。裁缝已经下刀,染坊还在补色,账房却按旧规格报价。流程没有坏在某一步,而是坏在状态没有被共同保存。

师傅改用一张织图。每个节点是一道工序,每条边说明下一步条件,订单状态写在图中央;需要客户确认的地方会停住,确认后再沿着正确边继续。

织图还会在关键节点打结。哪怕夜里停工,第二天也能从上一次检查点恢复;某个节点失败,可以按图重试或走人工分支。最有用的是人工停靠点。客户迟迟不确认、验货人发现色差、账房需要改价时,织图不会硬往下跑,而是停在该停的节点,等人做完判断再继续。

后来,织坊能同时处理多种订单:有的顺序执行,有的并行等待,有的由多个师傅协作。复杂性没有消失,但被放进了可看见、可恢复的结构里。后来管事把这次经验写进日常规矩:先看场景,再看边界,最后看失败时谁能接手。只有这些都清楚,漂亮演示才会变成可交付的工作。

师傅明白,多步自动办事 不是一串随口调用,而是一张带状态、条件、检查点和人工介入位置的工作图。织图一开始让人觉得笨重。可当订单越来越多,师傅发现它把“现在做到哪了”从个人记忆里拿了出来,放到所有人都能接续的位置。

揭示

这个故事讲的是:LangGraph

LangGraph 是用于构建有状态、多步骤、可控制 Agent 工作流的图式框架。它用节点、边、共享状态、checkpoint、持久化和 human-in-the-loop 支持复杂流程,适合需要分支、循环、恢复、多 Agent 协作和运行可控性的企业 LLM 应用。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 织坊订单:企业中的多步骤 Agent 任务
  • 一长串清单:线性 chain 难处理复杂状态
  • 大客户改尺寸:运行中断、变更和状态不一致
  • 织图节点:LangGraph nodes
  • 边和条件:graph edges / conditional routing
  • 图中央的订单状态:shared state
  • 关键节点打结:checkpointing 和 persistence
  • 客户确认停住:human-in-the-loop 工作流

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

state graphcheckpointinghuman-in-the-loopmulti-agent workflowLangChain