LangGraph — 有状态、可恢复的生产级 Agent 编排 - 编程接入

LangChain 团队的图式编排运行时：节点+边+显式状态，带 checkpoint 持久化、human-in-the-loop 中断、流式输出。适合长任务、要审批/可回放的 Agent，不是写 demo 的最快选择。

适用场景：客服/审批/数据处理等要跑很久、中途要人工确认、崩了要从断点续跑的 Agent。

agent langgraph state-machine checkpoint production

操作步骤

先想清楚状态结构（TypedDict）和节点职责，再写图。
模型节点里复用第 1 条的 ChatOpenAI(base_url=...) 配置。
接 checkpointer（开发用内存/SQLite，上线用 Postgres），开启中断点做人工审批。

代码示例

  # 思路示意：状态 -> 节点 -> 条件边，细节以当前 LangGraph 文档为准
  from langgraph.graph import StateGraph, END
  # builder = StateGraph(State); builder.add_node("answer", call_model)
  # builder.set_entry_point("answer"); builder.add_edge("answer", END)
  # app = builder.compile(checkpointer=checkpointer)

开源项目信息

仓库：https://github.com/langchain-ai/langgraph
Stars 口径：本次检索未给出可统一引用的官方星数，不填报
许可：MIT（多家来源明示 LangGraph 库为 MIT；注意其托管 Agent Server 是另一套许可，见 pitfalls）

接入本站 API：图本身与厂商无关，每个调模型的节点都走本站 base_url；不同节点可配不同模型（规划节点用强模型、分类节点用便宜模型）实现站内多模型路由。

注意事项

⚠️ 学习曲线陡，简单单轮问答用它是杀鸡用牛刀
⚠️ LangGraph 库 MIT ≠ 托管部署服务免费，自托管生产部署前看清许可
⚠️ 状态设计含糊会导致后面调试地狱，先画图再写代码

来源：https://tech-insider.org/langgraph-tutorial-python-stateful-agent-13-steps-2026/