
4.6评分
2992浏览量
0评论
2026年6月25日更新

概览
LangGraph 帮助开发者构建有状态、长时间运行的 AI 代理,这些代理能够在故障中持续,支持从检查点恢复,协调工具和子图,并在复杂执行流程中支持人类监督。
核心功能与能力
适合 AI 工程师、代理开发者、LangChain 用户、后端工程师、平台团队、LLM 应用构建者、企业 AI 团队、自动化工程师、AI 基础设施团队、研究团队、工作流编排团队以及构建可靠的使用工具代理、多代理系统和生产级 LLM 应用的开发者。
- 构建能够持久执行状态、从检查点恢复并在故障中存活的有状态 AI 代理
- 设计基于图的代理工作流,包含节点、边、分支、子图、流式传输和工具调用
- 通过在执行过程中检查和修改代理状态,实现人机交互审核
- 使用短期和长期记忆支持跨会话的持久推理
- 使用 LangSmith 和更广泛的 LangChain 生态系统调试、跟踪、评估和部署代理工作流

热门用例
使用基于图的状态机编排复杂的 AI 代理工作流
构建长时间运行、使用工具、多步骤和多代理系统
支持持久执行、检查点、重试和故障恢复
添加人机交互审批、状态检查和工作流干预
开发者选择 LangGraph 的原因
访问 LangGraph GitHub 仓库或官方 LangChain 文档,查看概念、快速入门、指南和 API 参考。开发者可以通过 pip install -U langgraph 安装 Python 包,使用 Graph API 或 Functional API 构建图,添加状态、工具、记忆、检查点和人机交互控制,然后使用 LangSmith 调试和观察工作流。JavaScript 和 TypeScript 团队可以使用 LangGraph.js 实现等效的代理编排工作流。
“LangGraph 为开发者提供了对有状态代理编排的低级控制,使长时间运行的 AI 工作流更可靠、可检查且适合生产环境。”
图编排将代理工作流建模为具有可控节点、边、分支、子图和状态转换的图。
持久执行持久化代理状态,从检查点恢复,故障恢复,支持长时间运行的工作流。
人工监督在执行过程中检查和修改代理状态,以支持审批、纠正和审核循环。
调试与可观测性使用 LangSmith 及相关工具跟踪执行路径,检查状态转换,评估运行并监控代理。
开始使用 LangGraph
通过结合基于图的编排、持久执行、检查点、记忆、人机交互控制、调试、可观测性和 LangChain 生态系统集成,LangGraph 为开发者提供了构建生产级 AI 代理系统的可靠基础。
1前往官方网站
打开该工具并查看其核心产品体验。
2注册或登录
创建账户或进入你已有的工作空间。
3测试真实工作流程
使用你自己的任务判断速度、质量和适配度。
4比较替代工具
在最终决定前查看类似 AI 工具。


评论 (0)
暂无评论