模块 16：LangGraph 基础

🎯 学习目标

本模块将帮助你理解 LangGraph 1.0 的核心概念，学会创建状态图来构建复杂的 AI 工作流。

📚 核心概念

什么是 LangGraph？

LangGraph 是一个用于构建状态化、多步骤 AI 应用的框架。它使用图（Graph） 的概念来组织工作流：

节点（Nodes）：图中的处理单元，可以是 LLM 调用、工具执行或自定义函数
边（Edges）：连接节点的路径，定义执行顺序
状态（State）：在节点之间传递的数据结构

LangGraph vs LangChain

特性	LangChain	LangGraph
抽象级别	高级	低级
适用场景	快速构建标准 Agent	复杂自定义工作流
控制粒度	通过中间件	完全控制每个节点
状态管理	自动	手动但灵活

核心组件

# 1. 定义状态 - 使用 TypedDict
from typing import TypedDict, Annotated
from langgraph.graph.message import add_messages

class State(TypedDict):
    messages: Annotated[list, add_messages]  # 消息列表，自动累加
    current_step: str                         # 当前步骤

# 2. 定义节点 - 接收和返回状态的函数
def my_node(state: State) -> dict:
    # 处理逻辑
    return {"current_step": "completed"}

# 3. 创建图
from langgraph.graph import StateGraph

graph = StateGraph(State)
graph.add_node("my_node", my_node)
graph.add_edge(START, "my_node")
graph.add_edge("my_node", END)

# 4. 编译并运行
app = graph.compile()
result = app.invoke({"messages": [], "current_step": "start"})

🔑 关键 API

StateGraph

from langgraph.graph import StateGraph, START, END

# 创建图
graph = StateGraph(State)

# 添加节点
graph.add_node("node_name", node_function)

# 添加边
graph.add_edge("from_node", "to_node")  # 普通边
graph.add_edge(START, "first_node")      # 从入口开始
graph.add_edge("last_node", END)         # 到出口结束

# 添加条件边
graph.add_conditional_edges(
    "from_node",
    condition_function,  # 返回下一个节点名称
    {"option1": "node1", "option2": "node2"}
)

add_messages 注解

from langgraph.graph.message import add_messages

class State(TypedDict):
    # add_messages 确保消息被追加而不是替换
    messages: Annotated[list, add_messages]

编译选项

from langgraph.checkpoint.memory import MemorySaver

# 添加内存检查点（用于持久化）
memory = MemorySaver()
app = graph.compile(checkpointer=memory)

# 使用 thread_id 进行会话管理
config = {"configurable": {"thread_id": "user_123"}}
result = app.invoke(input_data, config=config)

📝 本模块示例

main.py

包含三个递进的示例：

简单顺序图：展示基本的节点和边
条件分支图：根据条件选择不同路径
带内存的对话图：实现多轮对话

🧪 练习

修改 simple_workflow 添加一个新的处理节点
在 conditional_workflow 中添加第三个分支
扩展 conversation_workflow 支持更多类型的用户意图

📖 延伸阅读

⚠️ 注意事项

状态更新是合并式的，只需返回要更新的字段
使用 add_messages 注解时，消息会自动追加
条件函数必须返回有效的节点名称字符串
编译后的图是不可变的，需要修改时重新编译