LangGraph

LangGraph 是一个先进的库，专为基于大语言模型（LLM）构建有状态、多参与者应用程序而设计。由 LangChain Inc 开发，LangGraph 通过引入循环计算能力扩展了 LangChain 库的功能。这使得可以创建复杂、类智能体的行为，让 LLM 能够在循环中运行，并在每一步做出决策。

什么是 LangGraph？

LangGraph 是一款强大的工具，使开发者能够创建涉及多个参与者和步骤的复杂工作流。与 LangChain 所采用的传统有向无环图（DAG）不同，LangGraph 支持循环，非常适合需要重复决策与状态管理的应用场景。

核心概念

有状态图

有状态图是 LangGraph 的核心概念。图中的每个节点代表一个计算步骤，图会在计算过程中维护和更新状态。这种有状态的特性使工作流更加动态和灵活。

节点

节点是 LangGraph 的基本构建块。每个节点执行特定的功能或计算，如处理输入、做出决策或与外部 API 交互。

边

边用于连接节点，并定义图中计算的流向。LangGraph 支持条件边，允许根据当前状态动态改变计算流程。

主要特性

循环与分支

LangGraph 允许在应用中实现循环和条件判断，为计算流程提供更高的灵活性与可控性。

持久化

LangGraph 的一大亮点是内置持久化功能。它会在每一步自动保存状态，支持错误恢复、人机协作工作流，甚至可以回溯到历史状态执行不同操作。

人机协作

LangGraph 支持人机协作，可以在图执行过程中中断，让用户审核或编辑智能体接下来的行动，提升可控性和可靠性。

流式支持

为了更好的用户体验，LangGraph 原生支持流式输出，无论是逐 token 还是中间步骤，都能实现动态、交互式的用户体验。

与 LangChain 集成

LangGraph 可以独立使用，也可与 LangChain 和 LangSmith 无缝集成，提供完整的 LLM 应用构建与管理套件。

安装方法

要安装 LangGraph，可以使用以下命令：

pip install -U langgraph

如需 JavaScript 版本，请使用：

npm install @langchain/langgraph

应用场景

智能体与多智能体工作流

LangGraph 非常适合创建包含多个智能体或参与者的工作流，每个智能体/参与者都能协调地执行具体任务和决策。

复杂任务处理

LangGraph 支持循环与状态持久化，非常适用于需要复杂决策和错误恢复机制的应用场景。

人机协作

凭借内置的人机协作支持，LangGraph 确保智能体可与人类用户高效协作，非常适合对可靠性与可控性要求高的应用。