返回目录
开源项目自动化与 Agent 类新手

LangGraph:用于构建长时间运行、有状态 Agent 的低层级编排框架

LangGraph 是 LangChain Inc. 推出的低层级编排框架,面向长时间运行、有状态的工作流与 Agent,提供持久化执行、人在回路、短期与长期记忆,并可通过 LangSmith 进行调试与可观测性分析;支持 pip install -U langgraph 安装,也可与 LangChain 生态(Deep Agents、LangChain、LangSmith、LangSmith Deployment)配合使用。

0 次阅读2026/09/30 发布
LangGraph:用于构建长时间运行、有状态 Agent 的低层级编排框架 来源图片

社区作者 · zZz

它解决什么问题

LangGraph 是一个用于构建、管理和部署长时间运行、有状态 Agent 的低层级编排框架(配图 1)。来源称其被 Klarna、Replit、Elastic 等公司采用。

核心理念:为任何长时间运行、有状态的工作流或 Agent 提供低层级支撑基础设施。来源列出的能力包括:

  1. 持久化执行(Durable execution)——构建可跨故障持续存在、可长时间运行的 Agent,并能从上次中断处自动恢复。
  1. 人在回路(Human-in-the-loop)——在执行过程中的任意时点检查并修改 Agent 状态,无缝加入人工监督。
  1. 全面记忆(Comprehensive memory)——同时提供用于当前推理的短期工作记忆与跨会话的长期持久记忆,构建真正有状态的 Agent。
  1. 使用 LangSmith 调试——通过可视化工具追踪执行路径、捕获状态转移并提供详细运行时指标,深入观察复杂 Agent 行为。
  1. 生产级部署(Production-ready deployment)——以可扩展基础设施部署复杂 Agent 系统,应对有状态、长时间运行工作流的特有挑战。

生态与配套:

  • Deep Agents:构建在 LangGraph 之上的更高层包,面向能够规划、使用子代理并利用文件系统处理复杂任务的 Agent;来源提示若想快速构建 Agent 可查看该项目。
  • LangChain:提供集成与可组合组件,简化 LLM 应用开发。
  • LangSmith:用于 Agent 评测与可观测性,可调试表现差的 LLM 应用运行、评估 Agent 轨迹、获得生产可见性并持续改进性能。
  • LangSmith Deployment:面向长时间运行、有状态工作流的专用部署平台,支持跨团队发现、复用、配置与共享 Agent,并可通过 LangSmith Studio 进行可视化原型快速迭代。
  • 等价 JS/TS 库:LangGraph.js 及对应 JS 文档。

文档与学习资源(来源列出):docs.langchain.com(概念总览与指南)、reference.langchain.

com/python/langgraph(Python 包 API 参考)、LangGraph Quickstart(快速上手)、Chat LangChain(与文档对话问答)、LangChain Forum(社区讨论)、Guides(流式输出、记忆与持久化、分支与子图等设计模式的代码片段)、LangChain Academy(免费结构化课程)、Case studies(行业落地案例)、Contributing Guide(贡献指南与 good first issues)、Code of Conduct(社区准则)。

致谢与背景:LangGraph 受 Pregel 与 Apache Beam 启发,公共接口受 NetworkX 启发;由 LangChain Inc.(LangChain 的创建者)构建,但可在不使用 LangChain 的情况下独立使用。

— 本文由 AI 根据公开来源辅助整理,命令、版本与许可证请在使用前到原始页面复核。

安装 / 开始使用

来源给出的一种安装方式如下:

  1. 准备环境:需要可用的 Python 环境与 pip 包管理器(来源未指明具体 Python 版本要求,待核验)。
  1. 安装命令:执行
命令
pip install -U langgraph

该命令会安装或升级 langgraph 包。

  1. 首次运行与后续学习:来源未提供可直接运行的最小示例代码,仅指向 LangGraph Quickstart 作为上手入口,并指向 docs.langchain.com 与 reference.langchain.com/python/langgraph 查阅文档与 API 参考。
  1. 生态搭配(可选):来源建议将 LangGraph 与 Deep Agents、LangChain、LangSmith、LangSmith Deployment 配合使用;若使用 JavaScript/TypeScript,可改用 LangGraph.js 并参考 JS 文档。
  1. 常见问题:来源正文未列出安装或运行常见问题与报错处理方式,待核验;可先通过 LangChain Forum 讨论区或 Chat LangChain 寻求帮助,也可查阅 Guides 中的流式输出、记忆与持久化等主题片段。

来源教程配图

LangGraph Logo
配图 1 · LangGraph Logo查看原图

适用场景

构建长时间运行
有状态的工作流与 Agent
需要跨故障恢复的持久化执行场景
在执行过程中加入人工审核与状态修改(Human-in-the-loop)
需要短期工作记忆与跨会话长期记忆的对话式 Agent
使用 LangSmith 对复杂 Agent 行为进行追踪
可视化与运行时指标分析
生产环境中部署有状态
长时间运行的 Agent 系统
与 Deep Agents
LangChain
LangGraph.js 等生态组件组合开发 LLM 应用