一句话总结：LangGraph 是 LangChain 团队推出的 有状态 Agent 编排框架，用图（Graph）定义 Agent 的决策流程，支持循环推理、条件分支、人工审核与持久化状态，适合复杂企业 Agent 场景。
为什么不用简单 Chain？
简单 Chain（Prompt → LLM → 输出）无法处理：
- Agent 需要多次调用工具后再回答
- 不同条件下走不同分支（查到了 → 生成报告；没查到 → 转人工）
- 流程需要暂停等待人工审核
- 长对话需要持久化状态（跨会话恢复）
LangGraph 用 StateGraph 解决这些问题。
核心概念
State（状态）：存储对话历史、工具结果、中间变量
Node（节点）：LLM 推理、工具调用、人工审核
Edge（边）：条件路由（if/else 逻辑）
Checkpoint（检查点）：状态持久化，支持中断恢复典型企业 Agent 工作流
用户输入
→ [意图识别节点]
→ 条件分支：
├─ 知识查询 → [RAG 检索] → [生成回答]
├─ 系统操作 → [工具调用] → [确认节点] → [执行/拒绝]
└─ 复杂任务 → [Planner] → [多步执行] → [汇总]
→ [质量检查节点] → 通过/重试/转人工
→ 输出生产部署要点
| 要点 | 说明 |
|---|---|
| 循环上限 | 设置 max_iterations 防止无限循环 |
| 超时控制 | 单节点 + 全流程超时 |
| 状态存储 | Redis / PostgreSQL 持久化 Checkpoint |
| 可观测性 | LangSmith / 自研 Trace 面板 |
| 人工节点 | interrupt_before 暂停等待审核 |
泽衍科技选型建议
- 简单 FAQ Agent：LangChain Chain 足够
- 多工具、多步骤 Agent：LangGraph
- 多 Agent 协作：LangGraph + AutoGen 混合
常见问题
LangGraph 学习曲线陡吗？ 有 LangChain 基础的开发者约 1~2 周可上手。泽衍科技项目模板可复用 60% 以上代码。
性能如何？ 单 Agent 工作流 P95 延迟 3~8 秒（含 2~3 次工具调用），可通过并行节点和缓存优化。
支持私有化部署吗？ LangGraph 本身无云端依赖，配合本地 LLM（vLLM + Qwen）可完全内网运行。