LangGraph 是 LangChain 生态下面向大模型复杂流程的有状态有向图编排框架，底层基于可迭代状态机实现，原生支持分支、循环、状态持久、人工介入，解决传统线性 Chain 无法处理长流程、自主 Agent 的问题。
一、核心概念（分层梳理）
1. 基础四元组（图的最小组成）
（1）State 全局状态
整张图唯一的全局数据容器，所有节点共享读写，是数据流转的核心载体。
- 定义方式：使用
TypedDict约束字段名、数据类型，配合Annotated+归约函数 (Reducer)定义字段合并规则。 - 两种更新规则：
- 默认：覆盖，新值直接替换旧值；
Annotated[list, operator.add]：列表追加，多轮对话标准用法；
- 扩展：搭配
Checkpointer可序列化持久化到内存 / Redis / 数据库，实现断点续跑、跨会话记忆。
python
运行
from typing import TypedDict, Annotated import operator class GraphState(TypedDict): query: str messages: Annotated[list[str], operator.add]（2）Node 节点
图中最小执行单元，代表一段独立逻辑（调用 LLM、工具、数据处理、规则判断）。
- 本质：普通 Python 函数；
- 入参：当前全局
State； - 出参：局部更新字典（只返回需要修改的字段，不用返回完整 State）；
- 特性：节点本身无状态，纯计算逻辑，数据全部托管在全局 State。
python
运行
def llm_node(state: GraphState) -> dict: return {"messages": ["LLM 执行完成"]}（3）Edge 边
定义节点间的执行流向，分两类，是实现线性 / 分支 / 循环的关键：
- 普通边（add_edge）固定跳转，A 执行完成 → 强制走到 B，用于线性串行流程。
- 条件边（add_conditional_edges）动态路由：根据State 内容执行路由函数，返回目标节点名，再通过
path_map映射跳转，用于分支、循环。
（4）Graph 状态图实例
由State + Node + Edge组装而成的可执行对象。
- 内置两个特殊标记：
START节点（流程唯一入口）、END节点（流程终止节点）； - 生命周期：定义结构 → 编译 (compile) → 执行 (invoke/stream)。
2. 高阶核心组件
（1）Checkpointer 检查点
状态持久化中间件：
- 每一步执行后自动快照全局 State；
- 结合
thread_id实现多会话隔离、服务重启恢复、历史回溯。
（2）Human-in-the-Loop 人在回路
原生流程暂停机制：
- 编译时通过
interrupt_before / interrupt_after指定暂停点； - 流程走到目标位置自动挂起，允许外部读取 / 修改 State，再恢复执行。
（3）Reducer 归约函数
配合Annotated使用，定义同字段多份更新内容的合并策略：
- 内置：
operator.add（列表拼接）； - 支持自定义函数，实现去重、保留最新、条件合并等逻辑。
二、底层整体实现机制
LangGraph 底层不是一次性执行的代码脚本，而是循环驱动的迭代式状态机。 整体运行范式：
读取当前节点 → 执行节点逻辑→ 合并更新 State → 根据边路由选择下一节点→ 循环，直到命中 END
1. 整体执行流程（底层通用逻辑）
初始化阶段接收外部入参，基于
TypedDict初始化全局 State；若开启 Checkpointer，优先从持久化存储恢复历史状态。主调度循环（核心）框架维护一个执行指针，不断推进：
- 取出当前待执行节点；
- 执行节点函数，得到「局部更新字典」；
- 根据字段绑定的 Reducer 规则，合并新旧 State；
- 匹配当前节点的 Edge（普通边 / 条件边），计算出下一个节点；
- 若下一节点是
END，终止循环；否则切换指针，进入下一轮迭代。
结束阶段退出循环，返回最终 State；开启 Checkpointer 则保存最终状态快照。
2. 细分场景底层机制
（1）状态合并机制（Annotated + Reducer）
这是 LangGraph 区别于普通传参的核心：
- 多个节点同时更新同一个字段，或单节点多次更新；
- 框架识别字段上绑定的归约函数；
- 旧 State 值 + 新更新值，按照 Reducer 规则合并，而非简单覆盖；
- 最终生成一份全新 State 供后续节点使用。
典型场景：多轮对话
messages列表不断追加历史消息。
（2）线性流程实现（普通边）
plaintext
START → NodeA → NodeB → END- 指针从
START指向 NodeA，执行并更新 State； - 匹配普通边，固定跳转至 NodeB；
- 执行 NodeB，匹配边指向
END，循环终止。
（3）分支流程实现（条件边）
plaintext
START → NodeA → 路由判断 → 分支1 / 分支2 → END- NodeA 执行完毕，State 产生标记字段；
- 调用路由函数读取 State，返回字符串标记；
- 通过
path_map映射到目标分支节点； - 分支节点执行完成，走向终点。
（4）循环流程实现（有环图）
LangGraph允许图存在环路（线性 Chain 不支持），循环本质 =条件边 + 回跳上游节点：
plaintext
START → NodeA → NodeB → 路由判断 ↑ ↓ └──── 条件成立(循环) ────┘ 条件不成立 → END- 一轮逻辑执行完成后，路由判断不走向 END，而是跳回上游节点；
- 执行指针回退，复用原有节点逻辑，开启新一轮迭代；
- 直到判断条件满足，才退出循环。
应用：Agent 「思考→工具调用→再思考」迭代推理。
（5）人在回路（流程暂停）底层机制
- 编译阶段：标记暂停节点
interrupt_before=["node_name"]； - 运行阶段：执行指针走到目标节点之前，主动打断主调度循环；
- 框架保存当前完整 State 和执行位置，对外暴露
get_state/update_stateAPI； - 人工修改状态后，再次调用
invoke(None)，从断点位置恢复调度循环。
（6）状态持久化（Checkpointer）机制
- 每一轮节点执行完成后，自动对当前 State 做序列化快照；
- 以
thread_id作为会话唯一标识，区分不同用户 / 会话； - 重启 / 断线后，通过
thread_id加载快照，恢复执行指针与 State，实现断点续跑。
三、LangGraph 与 LangChain 线性 Chain 底层本质差异
表格
| 维度 | LangChain Chain（LCEL） | LangGraph 状态图 |
|---|---|---|
| 底层模型 | 线性管道、无环单向数据流 | 有向图、原生支持环 / 分支 |
| 数据传递 | 上下游逐级传参，无统一容器 | 全局 State 统一托管数据 |
| 流程控制 | 顺序硬编码，无法动态跳转 | 边 + 路由函数，动态计算流向 |
| 循环能力 | 无原生支持，需手写代码循环 | 原生有环图，框架层实现循环 |
| 暂停 / 介入 | 无原生暂停能力 | 框架层支持挂起、人工修改状态 |
| 执行模式 | 一次性串行执行 | 迭代式状态机，分步推进 |
四、核心总结（精简记忆版）
- 核心定位：LangGraph =面向 LLM 的迭代式有状态有向图状态机。
- 四大核心概念
State：全局数据容器，靠 TypedDict + Reducer 做结构与合并规则；Node：业务执行单元（纯函数、无全局状态）；Edge：流程控制线（普通边 = 串行，条件边 = 分支 / 循环）；Graph：图容器，负责整体调度。
- 底层核心机制
- 整体：节点执行 → 状态合并 → 路由跳转的无限迭代，直到遇见
END； - 循环：条件边回跳上游节点；
- 多轮对话：Reducer 列表追加 + Checkpointer 状态持久；
- 人在回路：调度循环主动暂停 + 外部修改状态 + 断点恢复。
- 整体：节点执行 → 状态合并 → 路由跳转的无限迭代，直到遇见
