LangGraph 概览与生态：定位、全家桶与 Hello World

原创于 2026-08-22 20:29:56 发布 · 179 阅读

3 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

LangGraph 系列

LangGraph 概览与生态：定位、全家桶与 Hello World

本文是《LangGraph 文档精读：完整知识总结》系列第 01 篇，内容来自 LangGraph 官方文档（docs.langchain.com/oss/python/langgraph/）实抓精读。

本篇结构速览

LangGraph 文档精读：完整知识总结

来源：https://docs.langchain.com/oss/python/langgraph/ 官方文档（2026-08-22 实抓精读）
涵盖页面：overview、pregel、thinking-in-langgraph、workflows-agents、persistence、checkpointers、add-memory、stores、streaming、event-streaming、interrupts（=human-in-the-loop）、fault-tolerance

第一部分：LangGraph 概览（Overview）

1.1 LangGraph 是什么

“Gain control with LangGraph to design agents that reliably handle complex tasks”

LangGraph 是一个低层（low-level）编排框架和运行时，用于构建、管理和部署长时间运行、有状态（stateful）的 Agent。被 Klarna、Uber、J.P. Morgan 等公司采用。

核心定位：

低层：专注 Agent 编排（orchestration），不抽象 prompt 或架构
细粒度控制：在同一个图（graph）里混合确定性的手写步骤与LLM 驱动的智能体步骤
有状态：支持持久化、流式、人工介入（human-in-the-loop）等生产级能力

⚠️ 重要：LangGraph 不依赖 LangChain——可以用 LangChain 组件集成模型和工具，但不是必须。

1.2 产品生态定位（LangChain 全家桶）

产品	定位
Deep Agents	Agent harness：规划、子 Agent、文件系统工具、上下文管理（构建在 LangGraph 之上）
LangChain	Agent 框架：模型、工具、Agent 循环的抽象与集成
LangGraph	编排运行时：持久化执行、流式、人工介入、持久化
LangSmith	平台：追踪、评测、prompt 管理、跨框架部署
LangSmith Engine	检测 LangGraph agent 追踪中的问题并提议修复（可一键开 PR）
LangSmith Fleet	无代码 Agent 构建器：模板、集成、日常自动化

1.3 安装与 Hello World

pip install -U langgraph
# 或 uv add langgraph

最简单的图：

from langgraph.graph import StateGraph, MessagesState, START, END

def mock_llm(state: MessagesState):
    return {"messages": [{"role": "ai", "content": "hello world"}]}

graph = StateGraph(MessagesState)
graph.add_node(mock_llm)
graph.add_edge(START, "mock_llm")
graph.add_edge("mock_llm", END)
graph = graph.compile()

graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})