LANGGRAPH 实战：构建新一代 AI 智能体系统

本书是一本专注于 AI 智能体开发的实战指南，旨在帮助开发者快速掌握 LangGraph 框架的核心技术并实现项目落地。作为《LangChain 实战：从原型到生产，动手打造 LLM 应用》的进阶读本，本书从基础理论、核心技术、工程实践和案例分析四大维度深入探讨了 AI 智能体的设计原理、 LangGraph 的框架特性、部署方案及实战案例。书中结合大量示例代码和详细讲解，帮助读者掌握从开发到运维的完整技术体系，同时通过企业级案例分析展示 LangGraph 在实际项目中的应用方法和架构设计思路。

第 1 章 AI 智能体的原理和机制 / 1
1.1 AI 智能体的概念 / 2
1.1.1 AI 智能体的核心能力 / 3
1.1.2 AI 智能体的主要运作机制 / 6
1.1.3 AI 智能体与传统 AI 系统的主要区别 / 8
1.2 ReAct 设计模式 / 11
1.2.1 ReAct 的机制：迭代执行循环 / 12
1.2.2 ReAct 提示词的构成 / 15
1.2.3 ReAct 衍生设计模式 / 16
1.3 AI 智能体开发的技术与挑战 / 17
1.3.1 AI 智能体的当前技术发展现状 / 18
1.3.2 AI 智能体开发的障碍 / 20
1.3.3 智能体框架的必要性：LangGraph 和前进之路 / 22
第 2 章 LangGraph 框架概览 / 25
2.1 LangGraph 简介 / 26
2.1.1 节点 / 26
2.1.2 边 / 28
2.1.3 状态 / 29
2.2 LangGraph 与 LangChain 的关系 / 30
2.3 基于 LangGraph 实现 ReAct 设计模式 / 33
第 3 章 LangGraph 的状态图结构 / 42
3.1 核心原语 / 43
3.1.1 状态 / 43
3.1.2 节点 / 54
3.1.3 边 / 59
3.1.4 命令 / 61
3.2 流程控制：分支与并发 / 63
3.2.1 并行分支：扇出与扇入 / 64
3.2.2 并发而非并行 / 69
3.2.3 递归限制与并行分支 / 70
3.3 MapReduce 模式：任务分解与并行处理 / 72
3.3.1 MapReduce 模式的核心思想 / 72
3.3.2 LangGraph 中的 MapReduce 实现 / 73
3.3.3 MapReduce 的应用场景 / 78
3.3.4 MapReduce 的核心 API：Send 函数 / 79
3.4 子图机制：模块化与复用设计 / 81
3.4.1 子图的概念与优势 / 81
3.4.2 在 LangGraph 中定义和使用子图 / 82
3.5 工具调用：扩展智能体的能力边界 / 85
3.5.1 ToolNode：LangGraph 的工具调用中心 / 85
3.5.2 定义工具：使用 @tool 装饰器 / 86
3.5.3 手动调用 ToolNode / 87
3.5.4 在 LangGraph 图中使用 ToolNode / 90
3.5.5 处理工具调用错误 / 92
3.5.6 从工具中更新图状态 / 97
3.5.7 向工具传递运行时参数 / 100
3.6 图的可视化 / 103
3.6.1 Mermaid 语法 / 103
3.6.2 PNG 图片 / 104
3.6.3 X-Ray 子图可视化 / 110
第 4 章 AI 智能体的交互体验 / 114
4.1 流式处理 / 115
4.1.1 流式处理模式 / 116
4.1.2 事件流式处理 / 124
4.1.3 LangGraph 流式处理的底层原理 / 128
4.2 持久化 / 129
4.2.1 线程和存档点的概念 / 130
4.2.2 存档点器的实现 / 131
4.2.3 持久化的实际应用 / 135
4.3 人机环路协作 / 144
4.3.1 静态断点：定义固定的人工干预点 / 145
4.3.2 人机环路的核心设计模式：基于操作的干预 / 146
4.3.3 interrupt() 函数的技术细节 / 154
4.3.4 人机协作是构建信任和控制的关键 / 157
第 5 章 AI 智能体的记忆系统 / 160
5.1 短期记忆与长期记忆 / 161
5.1.1 短期记忆：维持对话的连贯性 / 162
5.1.2 长期记忆：实现跨会话 / 165
5.2 记忆存储 / 168
5.2.1 记忆存储的基本操作 / 168
5.2.2 通过语义搜索增强记忆检索 / 172
5.2.3 构建自定义记忆存储 / 175
5.3 记忆系统的实际应用 / 178
5.3.1 个性化推荐 / 178
5.3.2 多步骤的情境化任务 / 184
5.3.3 TrustCall：信息提取和记忆更新 / 186
5.4 LangMem / 189
5.4.1 LangMem 的核心组件 / 189
5.4.2 LangMem 应用实例 / 191
5.4.3 LangMem 关键函数解析 / 194
5.5 记忆系统设计的重要考量 / 196
第 6 章 LangGraph 的核心 API / 199
6.1 create_react_agent / 200
6.1.1 create_react_agent 的核心功能和参数 / 200
6.1.2 自定义选项 / 202
6.1.3 create_react_agent 的应用 / 208
6.2 Functional API / 210
6.2.1 Functional API 的优势 / 210
6.2.2 核心组件：@entrypoint 和 @task / 211
6.2.3 使用 Functional API 构建和执行工作流 / 216
6.2.4 与 LangChain 和 LangSmith 集成 / 221
6.2.5 常见工作流模式 / 223
6.2.6 常见陷阱 / 232
6.2.7 Functional API 与 Graph API 的比较 / 234
6.3 API 的选择 / 236
6.3.1 LangGraph API 选择决策树 / 237
6.3.2 API 选择的案例分析 / 237
第 7 章 AI 智能体系统的架构设计与模式应用 / 241
7.1 常见工作流 / 242
7.1.1 工作流的基础构建模块：增强型 LLM / 243
7.1.2 提示链 / 244
7.1.3 路由 / 248
7.1.4 并行化 / 254
7.1.5 协调器―工作者 / 258
7.1.6 评估器―优化器 / 265
7.2 多智能体架构 / 271
7.2.1 主管架构 / 272
7.2.2 分层架构 / 278
7.2.3 网络架构 / 282
7.3 情境感知智能体架构 / 287
7.3.1 架构模式 / 288
7.3.2 人机环路交互设计 / 289
7.3.3 用 LangGraph 实现情境感知智能体架构 / 293
第 8 章 LangGraph 平台介绍 / 297
8.1 LangGraph 平台的架构与核心概念 / 298
8.1.1 核心组件设计 / 298
8.1.2 核心概念 / 301
8.1.3 部署选项 / 305
8.2 LangGraph 平台的应用程序部署 / 307
8.2.1 LangGraph 应用程序格式定义 / 307
8.2.2 部署到 LangGraph Cloud SaaS 平台 / 312
8.2.3 自托管 LangGraph 部署 / 314
8.2.4 自定义 Docker 部署 / 316
8.2.5 本地测试 LangGraph 应用程序 / 317
8.2.6 LangGraph Studio / 319
8.2.7 向 LangGraph 部署中添加语义搜索 / 325
8.2.8 运行时重建图 / 327
8.3 Agent Protocol / 330
8.3.1 标准化的需求和核心组件 / 331
8.3.2 API 细节 / 332
8.3.3 助手和助手 API / 339
8.3.4 数据格式和可扩展性 / 340
8.3.5 助手、线程和运行的应用示例 / 341
8.4 LangGraph 平台的高级功能 / 347
8.4.1 可观测性和调试 / 347
8.4.2 人机环路 / 351
8.4.3 并发和双重文本策略 / 356
8.5 访问控制 / 361
8.5.1 身份验证和授权 / 362
8.5.2 实施自定义身份验证 / 362
8.5.3 实施自定义授权 / 365
8.5.4 常见访问者模式的实现 / 368
8.5.5 接入自定义身份验证 / 370
8.6 RemoteGraph 和 React Hook / 372
8.6.1 使用 RemoteGraph 与已部署的图进行交互 / 372
8.6.2 使用 React Hook 构建交互式前端 / 376
第 9 章 LangGraph 应用开发模板 / 382
9.1 LangGraph 模板简介 / 383
9.1.1 模板中常见的目录结构和编码风格 / 384
9.1.2 使用 LangGraph 模板 / 386
9.2 新项目模板 / 388
9.3 ReAct 智能体模板 / 392
9.4 充实数据智能体模板 / 396
9.5 记忆智能体模板 / 401
9.6 RAG 模板 / 406
9.7 RAG 研究智能体模板 / 412
第 10 章 LangGraph 官方应用案例浅析 / 421
10.1 开放画布 / 422
10.1.1 主要功能和架构概览 / 422
10.1.2 控制流与智能体工作流模式 / 425
10.1.3 核心代码结构及其实现 / 428
10.2 报告大师 / 438
10.2.1 主体功能和架构概览 / 439
10.2.2 工作流 / 441
10.2.3 核心代码结构及其实现 / 443
10.3 Agent Inbox / 450
10.3.1 功能和架构概览 / 450
10.3.2 控制流与环境智能体架构 / 453
10.3.3 核心代码结构及其实现 / 455
第 11 章 AI 智能体技术展望 / 467
11.1 多智能体开发框架的选择 / 468
11.1.1 框架特性介绍 / 468
11.1.2 框架选型分析 / 471
11.2 智能体发展趋势及展望 / 473
11.2.1 基础模型进步推动 AI 智能体成熟 / 473
11.2.2 开发工具链加速智能体落地 / 474
11.2.3 智能体应用的巨大潜力 / 475