LangGraph - 基于图结构构建与部署多代理动态工作流的开源框架

LangGraph是什么

LangGraph主要用来搭建有状态的多智能体（Multi-Agent）系统，尤其适合配合大型语言模型（LLMs）去做代理和多代理工作流。作为 LangChain 生态系统的一部分，LangGraph 是一个图结构的 Agent 框架。它的强项在于支持循环、可控、能持久化：可以定义带循环的流程，对流程和状态做细粒度控制，还自带持久化能力，支持较高程度的人工干预和记忆。LangGraph 平台是商业方案，用来把应用部署到生产环境。

LangGraph的主要功能

• 循环和分支：能在应用里实现循环和条件逻辑，搭复杂的代理架构时离不开它。
• 持久性：图的每一步跑完后自动存状态，可以随时暂停、随时接着跑，用来做错误恢复、人工干预流程、时间旅行这些。
• 人工干预：LangGraph 能打断图的执行，让人先批准或改一下代理接下来要做的事。
• 流式支持：能按各节点生成的顺序把输出流式传出来，包括令牌流。
• 与LangChain集成：LangGraph 和 LangChain、LangSmith 能配合得很顺，也可以单独用。

LangGraph的技术原理

• 状态管理：LangGraph 每次跑图都会建一个状态，状态在节点之间传递，每跑完一个节点就按它的返回值更新内部状态。
• 节点和边：LangGraph 用节点表示执行步骤，用边来定节点之间的先后和条件。
• 条件边：LangGraph 支持条件边，下一个跑哪个节点看图当前的状态。
• 图类型：可以选不同类型的图来定状态怎么更新，也能用自定义函数来定。
• 内存和持久性：靠内置的持久化能力，比如MemorySaver，把状态存下来，在一次次的执行之间留住上下文。
• 与LLMs的集成：和大型语言模型（LLMs）配合，让模型去调已经定义好的工具，再根据模型输出决定下一步做什么。

LangGraph的项目地址

• 项目官网：langchain-ai.github.io/langgraph
• GitHub仓库：https://github.com/langchain-ai/langgraph

LangGraph的应用场景

• 客户服务自动化：搭聊天机器人和虚拟助手，把客服流程自动起来，给客户提供贴合各自的答复。
• 数据检索和分析：做出能干复杂取数、分析任务的代理，比如按用户的提问，自动从好几个数据源里把信息抽出来、汇总好。
• 业务流程自动化：在企业里把复杂业务流程自动起来，比如订单处理、库存管理、供应链协调，少出错、跑得更快。
• 个性化推荐系统：做那种按用户行为和偏好给个性化推荐、建议的系统。
• 自然语言处理（NLP）任务：跑复杂的 NLP 任务，比如翻译、文本摘要、情感分析。