LangGraph 概述 | LangChain 中文文档

作为塑造智能体未来的公司（包括 Klarna、Uber、J.P. Morgan 等）所信赖的选择，LangGraph 是一个用于构建、管理和部署长期运行、有状态智能体的底层编排框架与运行时。LangGraph 让您在同一个图中以细粒度控制混合确定性的手写步骤与 LLM 驱动的智能体步骤，从而构建行为完全符合您应用程序需求的定制智能体。

LangGraph 非常底层，完全专注于智能体编排。在使用 LangGraph 之前，我们建议您先熟悉用于构建智能体的部分组件，从模型和工具开始。

在整个文档中，我们将普遍使用 LangChain 组件来集成模型和工具，但您无需使用 LangChain 也能使用 LangGraph。如果您刚开始接触智能体，或者想要更高级别的抽象，我们建议您使用 LangChain 的智能体，它为常见的 LLM 和工具调用循环提供了预构建的架构。

LangGraph 专注于对智能体编排至关重要的底层能力：持久化执行、流式输出、人在回路等。

LangGraph 的核心优势之一是在单个图中混合确定性步骤与 LLM 驱动的智能体步骤的能力。这让您可以构建定制工作流：部分逻辑完全可预测、可审计，而其他部分灵活且由模型驱动，从而对 AI 应用的确切位置和方式实现细粒度控制。

Deep Agents 是智能体框架：在 LangGraph 之上提供规划、子智能体、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、流式输出、人在回路和持久化。
LangSmith 是用于跨框架进行追踪、评估、提示词和部署的平台。
LangSmith Engine 检测您的 LangGraph 智能体追踪中的问题并提出修复建议。您可以直接从 Engine 标签页发起包含修复建议的 pull request。
LangSmith Fleet 是用于模板、集成和日常自动化的无代码智能体构建器。

如需对比开源技术栈，请阅读框架、运行时与智能体框架。

安装

bash

pip install -U langgraph

bash

uv add langgraph

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：

python

from langgraph.graph import StateGraph, MessagesState, START, END

def mock_llm(state: MessagesState):
    return {"messages": [{"role": "ai", "content": "hello world"}]}

graph = StateGraph(MessagesState)
graph.add_node(mock_llm)
graph.add_edge(START, "mock_llm")
graph.add_edge("mock_llm", END)
graph = graph.compile()

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

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 追踪请求、调试智能体行为并评估输出。设置 LANGSMITH_TRACING=true 和您的 API key 即可开始。按照追踪快速入门完成设置。我们还建议您同时设置 LangSmith Engine，它能够监控您的追踪、检测问题并提出修复建议。

核心优势

LangGraph 为任何长期运行、有状态的工作流或智能体提供底层支撑基础设施。LangGraph 不抽象提示词或架构，并提供了以下核心优势：

混合确定性步骤与智能体步骤：在单个图中结合手写确定性逻辑与 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，在需要灵活性的地方使用智能体步骤——让您对智能体行为的每一个部分都能精确控制。
持久化：构建能够在故障中保持存续、长时间运行并从上次中断处恢复的智能体。
人在回路：通过随时检查和修改智能体状态来纳入人工监督。
全面的记忆：创建有状态智能体，既具备用于持续推理的短期工作记忆，也具备跨会话的长期记忆。
使用 LangSmith 调试：借助可视化工具深入了解复杂智能体行为，这些工具可以追踪执行路径、捕获状态转换并提供详细的运行时指标。
生产级部署：借助专为应对有状态、长期运行工作流的独特挑战而设计的可扩展基础设施，放心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，但它也能与任何 LangChain 产品无缝集成，为开发者提供一套完整的智能体构建工具。要改进您的 LLM 应用程序开发，请将 LangGraph 与以下产品搭配使用：

LangSmith Observability — 在一个地方追踪请求、评估输出并监控部署。在本地使用 LangGraph 进行原型开发，然后借助集成的可观测性与评估进入生产环境，从而构建更可靠的智能体系统。
LangSmith Deployment — 借助为长期运行、有状态工作流专门构建的部署平台，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。其公开接口的灵感来自 NetworkX。LangGraph 由 LangChain Inc 构建，该公司也是 LangChain 的创造者，但 LangGraph 也可以在不使用 LangChain 的情况下使用。

Graph API

Functional API

安装

核心优势

LangGraph 生态系统

致谢

安装 ​

核心优势 ​

LangGraph 生态系统 ​

致谢 ​

安装

核心优势

LangGraph 生态系统

致谢