“ 智能體應該才是大模型應用的未來，它才是有可能實現真正人工智能的途徑 ”

在大模型技術的應用過程中，智能體算是一個主要的技術方向；如果說把大模型比作人的大腦，那么智能體就是人的手和腳；大腦能夠思考，但具體的事情還是需要手和腳才能做。

而Langgraph就是給大模型安裝手和腳的工具；而我們學習Langgraph主要就是基于它強大的功能邏輯。在傳統的人工智能應用開發中，包括Langchain框架，都是基于鏈式調用的方式，簡單來說就是線性執行；一旦其中某個環節出現問題，那么整個鏈條就會陷入癱瘓。

但基于Langgraph開發的工作流卻不同，它可以根據不同的場景和路徑進行判斷，可以實現循環調用和條件判斷；而這就為大模型應用的開發提供了很強的靈活性，也更能滿足我們的現實需求。

Langgraph的原來和執行過程

先來了解一下傳統智能體開發過程中所面臨的問題，在傳統的智能體開發過程中主要使用Function call配合langchain或其它工作流開發框架；比如典型的Dify框架和字節的Coze就是典型的智能體配合工作流進行開發。

但這種方式有一個很明顯的問題，就是整體都是通過鏈式調用來實現的；雖然集成了工作流但其延展性依然不是很好。

原因就在于鏈式調用存在一個很大的缺點就是，一旦處于鏈條中的某個節點出現問題，就會導致整個鏈條不可用；而且在異常處理中，由于節點執行的過程和結果并未保存，就導致無法重新恢復鏈式的執行過程。

但使用LangGraph就會很好的解決這個問題，因為LangGraph中使用的是狀態圖來保存節點執行的過程，當某個環節出現問題或者需要回溯整個執行過程時，就可以使用狀態圖來隨時回到某個節點重新執行。

而這種方式在Langgraph中被稱為時間旅行，也就是說可以追溯到整個智能體的執行過程和節點狀態。

我們應該知道，智能體是為了解決復雜問題而出現的一項技術；里面涉及到大量的推理和決策過程，其就類似于我們人類在遇到復雜問題時，需要對問題進行拆解和規劃，然后一步一步的去完成任務。

但在處理問題的過程中，我們肯定會遇到各種各樣的問題，以及會犯各種各樣的錯誤；這時問題處理過程中的記錄就變得特別重要，因為這樣才能復盤整個過程，以及找到問題發生的原因和節點。

而且，在事情處理的過程中，可能還需要其它決策者參與進來；比如說公司的項目運作，可能需要領導的審批或簽字，亦或者需要其它人員中途參與。

所以，Langgraph實現了人工參與的功能，叫做人在回路；所謂的人在回路，就是Langgrap在智能體的執行過程中，隨時可以進行中斷；然后由人參與進來，之后再繼續執行。

而這些場景的實現，更真實的接近我們人類現實社會中解決問題的邏輯；而這也是Langgraph強大的原因。

Langgraph的核心理論和模塊

Langgraph主要由以下幾個節點組成：

• 狀態圖
• 節點
• 邊
• 檢查點

狀態圖

狀態圖是一種數據結構，其生命周期存在于整個Langgraph過程中，所有節點的執行過程和結構都可以被記錄到狀態圖中；而且每個節點也都可以隨時方法狀態圖中的數據，來獲取其當時的執行過程和結果，狀態圖是Langgraph實現上述功能的核心。

# 狀態圖
from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END
from langgraph.graph.message import add_messages
class State(TypedDict):
    # Messages have the type "list". The `add_messages` function
    # in the annotation defines how this state key should be updated
    # (in this case, it appends messages to the list, rather than overwriting them)
    messages: Annotated[list, add_messages]
graph_builder = StateGraph(State)

節點

節點就比較容易理解了，節點的概念就是一個一個的智能體或功能函數；其主要作用就是用來執行具體的任務，比如說查詢天氣就調用天氣查詢接口。

邊

如果說節點是一個函數，那么邊就相當于判斷邏輯中的分支，邊決定了當前節點執行完畢之后，下一個執行的節點；當然，還有一種邊叫做條件邊，意思就是可以根據條件判斷來動態決定應該執行哪個節點。

檢查點

檢查點說白了就是記憶存儲的節點，我們都知道大模型沒有記憶的功能，因此其每次執行對話等對大模型都是一次新的開始，因此就需要有一個外部記憶功能來保存當前任務的執行記錄，也就是記憶；這樣大模型就可以知道之前干了什么事，以及整個事情的執行過程。

而檢查點就是做這個事情的，它的主要作用就是保存記憶；而它和狀態圖的區別是，狀態圖會隨著整個工作流的執行在不同的節點進行流轉；而檢查點只記憶當前節點的歷史記錄；當然，不同的節點可以有各自的檢查點。