################ 5. LangGraph ################ .. include:: ../links.ref .. include:: ../tags.ref .. include:: ../abbrs.ref ============ ========================== **Abstract** LangGraph 入门教程 **Authors** Walter Fan **Status** WIP as draft **Updated** |date| ============ ========================== LangGraph 是 LangChain 团队开发的用于构建有状态、多步骤 AI 应用的框架。 它基于图(Graph)的概念,让你能够构建复杂的 Agent 工作流。 为什么需要 LangGraph? ====================== LangChain 的 AgentExecutor 虽然强大,但在以下场景中有局限性: - 需要精确控制 Agent 执行流程 - 需要实现复杂的多 Agent 协作 - 需要支持人工干预(Human-in-the-Loop) - 需要持久化状态和断点恢复 LangGraph 通过图结构解决了这些问题,提供了: - **显式的流程控制** - 用节点和边定义工作流 - **状态管理** - 在节点之间传递和修改状态 - **条件路由** - 根据状态动态选择下一步 - **循环支持** - 支持迭代和重试逻辑 - **持久化** - 支持状态保存和恢复 学习目标 ======== 完成本教程后,你将能够: - 理解 LangGraph 的核心概念(State、Node、Edge) - 构建有状态的 Agent 工作流 - 实现条件路由和循环逻辑 - 添加人工干预点 - 实现多 Agent 协作系统 - 部署生产级 LangGraph 应用 实战项目:自媒体 AI 工作流 ========================== 我们将构建一个完整的自媒体内容生产系统: .. code-block:: text ┌─────────────────────────────────────────────────────────────┐ │ Self-Media Content Workflow │ │ │ │ [话题研究] ──► [内容策划] ──► [内容创作] ──► [审核修改] │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ │ │ [热点分析] [大纲生成] [文章撰写] [人工审核] │ │ │ │ │ ▼ │ │ [多平台发布] │ │ │ │ │ ▼ │ │ [数据追踪] │ └─────────────────────────────────────────────────────────────┘ .. toctree:: :maxdepth: 1 :caption: 教程目录: tutorial_01_introduction tutorial_02_state_graph tutorial_03_nodes_edges tutorial_04_conditional_routing tutorial_05_cycles_loops tutorial_06_human_in_loop tutorial_07_persistence tutorial_08_multi_agent tutorial_09_content_workflow tutorial_10_production