LangGraph 概览

借助 LangGraph 掌控设计能够可靠处理复杂任务的智能体

深受塑造智能体未来的企业（包括 Klarna、Uber、J.P. Morgan 等）信赖，LangGraph 是一个用于构建、管理和部署长生命周期、有状态智能体的底层编排框架和运行时。LangGraph 为你提供细粒度控制，可以在同一个图中将确定性的手写步骤与 LLM 驱动的智能体步骤混合在一起，从而构建出完全契合应用程序所需行为的定制化智能体。

LangGraph 非常底层，完全专注于智能体编排（orchestration）。在使用 LangGraph 之前，建议你熟悉构建智能体所用的一些组件，首先是模型和工具。

我们在整篇文档中通常会使用 LangChain 组件来集成模型和工具，但使用 LangGraph 并不强制需要 LangChain。如果你刚刚开始接触智能体或想要更高层次的抽象，建议使用 LangChain 的智能体（agents），它们为常见的 LLM 与工具调用循环提供了预构建架构。

LangGraph 专注于对智能体编排至关重要的底层能力：持久化执行、流式传输、人机协同等。

LangGraph 的核心优势之一是能够在单个图中混合确定性步骤与 LLM 驱动的智能体步骤。这使你能够构建定制化工作流，其中部分逻辑完全可预测且可审计，而其他部分灵活且由模型驱动，从而让你能够精确控制在何处以及如何应用 AI。

LangChain 产品如何协同工作

Deep Agents 是一个智能体运行支架（agent harness）：在 LangGraph 之上提供任务规划、子代理、文件系统工具和上下文管理。
LangChain 是智能体框架：为模型、工具和智能体循环提供抽象与集成。
LangGraph 是编排运行时：持久化执行、流式传输、人机协同和持久化存储。
LangSmith 是用于跨框架跟踪、评估、提示词和部署的平台。
LangSmith Engine 可检测 LangGraph 智能体跟踪中的问题并提出修复建议。你可以直接从 Engine 选项卡打开带有建议修复的拉取请求（PR）。
LangSmith Fleet 是用于模板、集成和例行自动化的无代码智能体构建器。

阅读框架、运行时和运行支架了解开源技术栈的对比。

安装

npmpnpmyarnbun

bash

npm install @langchain/langgraph @langchain/core

bash

pnpm add @langchain/langgraph @langchain/core

bash

yarn add @langchain/langgraph @langchain/core

bash

bun add @langchain/langgraph @langchain/core

然后，创建一个简单的 Hello World 示例：

typescript

import { StateSchema, MessagesValue, type GraphNode, StateGraph, START, END } from "@langchain/langgraph";

const State = new StateSchema({
  messages: MessagesValue,
});

const mockLlm: GraphNode<typeof State> = (state) => {
  return { messages: [{ role: "ai", content: "hello world" }] };
};

const graph = new StateGraph(State)
  .addNode("mock_llm", mockLlm)
  .addEdge(START, "mock_llm")
  .addEdge("mock_llm", END)
  .compile();

await graph.invoke({ messages: [{ role: "user", content: "hi!" }] });

TIP

使用 LangSmith 跟踪请求、调试智能体行为并评估输出。设置 LANGSMITH_TRACING=true 和你的 API 密钥即可开始。按照跟踪快速入门进行设置。我们还建议你设置 LangSmith Engine，它可以监控你的跟踪、检测问题并提出修复建议。

核心优势

LangGraph 为任何长生命周期、有状态的工作流或智能体提供底层支持基础设施。LangGraph 不会对提示词或架构做抽象，并提供以下核心优势：

混合确定性与智能体步骤：在单个图中结合手写的确定性逻辑与 LLM 驱动的决策。在需要可靠性和可预测性的地方使用确定性步骤，在需要灵活性处使用智能体步骤——从而精细控制智能体行为的每个部分。
持久化（Persistence）：构建在发生故障时仍能持久留存并能长时间运行的智能体，可从中断处继续执行。
人机协同（Human-in-the-loop）：通过在任何时刻检查和修改智能体状态来引入人工监督。
全方位记忆（Comprehensive memory）：创建具有短期工作记忆（用于持续推理）和跨会话长期记忆的有状态智能体。
使用 LangSmith 调试（Debugging with LangSmith）：借助可视化工具深入观察复杂的智能体行为，这些工具可以跟踪执行路径、捕获状态转换并提供详细的运行时指标。
生产就绪的部署（Production-ready deployment）：凭借专为处理有状态、长生命周期工作流独特挑战而设计的可扩展基础设施，自信地部署复杂的智能体系统。

LangGraph 生态系统

虽然 LangGraph 可以独立使用，但它也与任何 LangChain 产品无缝集成，为开发人员提供用于构建智能体的全套工具。要提升你的 LLM 应用程序开发，请将 LangGraph 与以下产品搭配使用：

LangSmith 可观测性（LangSmith Observability）
在一个地方跟踪请求、评估输出并监控部署。使用 LangGraph 在本地构建原型，然后借助集成的可观测性和评估功能进入生产环境，以构建更可靠的智能体系统。

LangSmith 部署（LangSmith Deployment）
借助专为长生命周期、有状态工作流构建的部署平台，轻松部署和扩展智能体。跨团队发现、复用、配置和共享智能体——并在 Studio 中通过可视化原型快速迭代。

LangChain
提供集成和可组合组件，以简化 LLM 应用程序开发。包含构建在 LangGraph 之上的智能体抽象。

致谢

LangGraph 的灵感来自 Pregel 和 Apache Beam。公共接口从 NetworkX 中汲取灵感。LangGraph 由 LangChain 的创造者 LangChain Inc 构建，但可以在不使用 LangChain 的情况下独立使用。

LangGraph 概览 ​

安装 ​

核心优势 ​

LangGraph 生态系统 ​

致谢 ​

LangGraph 概览

安装

核心优势

LangGraph 生态系统

致谢