langgraph

英文原文正文为项目原始 README（英文），本站后续会翻译为中文，当前仅剔除图片与无关章节并统一排版。

LangGraph 是一个低级编排框架，用于构建、管理和部署长期运行的有状态代理，受到塑造代理未来的公司信赖，包括 Klarna、Replit、Elastic 等。

pip install -U langgraph

[!提示]
如果你想快速构建代理，可以查看 Deep Agents —— 这是一个基于 LangGraph 构建的高级包，适用于能够规划、使用子代理并利用文件系统执行复杂任务的代理。

对于等效的 JS/TS 库，请查看 LangGraph.js 和 JS 文档。

为什么使用 LangGraph？

LangGraph 为任何长期运行的有状态工作流或代理提供低层支持基础设施：

• 持久执行 — 构建能够在故障中持续运行并可以长时间运行的代理，能够自动从中断的地方精确恢复执行。
• 人机交互环 — 通过在执行过程中的任意时刻检查和修改代理状态，无缝地引入人工监督。
• 全面记忆 — 创建真正有状态的代理，既有用于持续推理的短期工作记忆，也有跨会话的长期持久记忆。
• 使用 LangSmith 调试 — 通过可视化工具深入了解复杂代理的行为，这些工具能够跟踪执行路径、捕捉状态转换，并提供详细的运行时指标。
• 生产就绪部署 — 使用可扩展的基础设施自信地部署复杂的代理系统，该基础设施旨在应对有状态、长时间运行工作流的独特挑战。

[!提示]
有关开发、调试和部署 AI 代理及大型语言模型应用，请参阅 LangSmith。

LangGraph 生态系统

虽然 LangGraph 可以独立使用，但它也能无缝集成任何 LangChain 产品，为开发者提供完整的智能体构建工具套件。

为了提升你的LLM应用开发，可以将LangGraph与以下工具搭配使用：

• Deep Agents – 构建能够进行计划、使用子代理并利用文件系统完成复杂任务的代理。
• LangChain – 提供集成和可组合组件，以简化大语言模型应用开发。
• LangSmith – 对代理评估和可观察性很有帮助。调试表现不佳的 LLM 应用运行，评估代理轨迹，获得生产中的可见性，并随着时间提高性能。
• LangSmith 部署 – 使用为长期运行、有状态的工作流量身打造的部署平台，轻松部署和扩展代理。在团队之间发现、重用、配置和共享代理——并通过 LangSmith Studio 的可视化原型快速迭代。

文档

• docs.langchain.com – 综合文档，包括概念概述和指南
• reference.langchain.com/python/langgraph – LangGraph 包的 API 参考文档
• LangGraph 快速入门 – 开始使用 LangGraph 构建项目
• Chat LangChain – 与 LangChain 文档聊天并获得问题的答案

讨论：访问 LangChain 论坛 与社区交流，并分享您的所有技术问题、想法和反馈。

附加资源

• 指南 – 提供快速、可操作的代码示例，涵盖流处理、添加内存与持久化以及设计模式（例如分支、子图等）等主题。
• LangChain 学院 – 在我们免费的结构化课程中学习 LangGraph 的基础知识。
• 案例研究 – 了解行业领导者如何使用 LangGraph 大规模发布 AI 应用程序。
• 贡献指南 – 学习如何为 LangChain 项目做出贡献，并找到适合初学者的问题。
• 行为准则 – 我们的社区指南和参与标准。

致谢

LangGraph 的设计灵感来自 Pregel 和 Apache Beam。其公共接口的灵感来源于 NetworkX。LangGraph 由 LangChain 公司（LangChain 的创造者）构建，但可以在不使用 LangChain 的情况下使用。