Skip to main content
受到塑造智能体未来的公司——包括 Klarna、Uber、J.P. Morgan 等——的信赖，LangGraph 是一个低层级的编排框架和运行时，用于构建、管理和部署长期运行、有状态的智能体。 LangGraph 层级非常低，完全专注于智能体的编排。在使用 LangGraph 之前，我们建议您先熟悉构建智能体所需的一些组件，从模型和工具开始。 我们将在文档中普遍使用 LangChain 组件来集成模型和工具，但您不需要使用 LangChain 也能使用 LangGraph。如果您是智能体新手，或者想要更高层级的抽象，我们建议您使用 LangChain 的智能体，它为常见的 LLM 和工具调用循环提供了预构建的架构。 LangGraph 专注于对智能体编排至关重要的底层能力：持久化执行、流式处理、人在回路等。

​
安装

pip install -U langgraph
然后，创建一个简单的 hello world 示例： 
from langgraph.graph import StateGraph, MessagesState, START, END

def mock_llm(state: MessagesState):
    return {"messages": [{"role": "ai", "content": "hello world"}]}

graph = StateGraph(MessagesState)
graph.add_node(mock_llm)
graph.add_edge(START, "mock_llm")
graph.add_edge("mock_llm", END)
graph = graph.compile()

graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})
使用 LangSmith 来追踪请求、调试智能体行为并评估输出。设置 LANGSMITH_TRACING=true 和您的 API 密钥即可开始。

​
核心优势

LangGraph 为任何长期运行、有状态的工作流或智能体提供低层级的支持基础设施。LangGraph 不抽象提示词或架构，并提供以下核心优势：
  • 持久化执行：构建能够从故障中恢复、可长时间运行、并能从中断处继续执行的智能体。
  • 人在回路：通过在任何点检查和修改智能体状态，融入人工监督。
  • 全面的记忆：创建具有短期工作记忆（用于持续推理）和跨会话长期记忆的有状态智能体。
  • 使用 LangSmith 调试：通过可视化工具深入了解复杂智能体行为，这些工具可追踪执行路径、捕获状态转换并提供详细的运行时指标。
  • 生产就绪的部署：使用专为处理有状态、长期运行工作流的独特挑战而设计的可扩展基础设施，自信地部署复杂的智能体系统。

​
LangGraph 生态系统

虽然 LangGraph 可以独立使用，但它也能与任何 LangChain 产品无缝集成，为开发者提供构建智能体的全套工具。为了改进您的 LLM 应用开发，可以将 LangGraph 与以下工具结合使用：
https://mintcdn.com/hhh-8c10bf0c/1xJTbE4Z922F2hsr/images/brand/observability-icon-dark.png?fit=max&auto=format&n=1xJTbE4Z922F2hsr&q=85&s=dd27ed0590c5da94bfd12b5919de3a91

LangSmith 可观测性

在一个地方追踪请求、评估输出并监控部署。使用 LangGraph 在本地进行原型设计，然后借助集成的可观测性和评估功能转向生产环境，构建更可靠的智能体系统。
https://mintcdn.com/hhh-8c10bf0c/1xJTbE4Z922F2hsr/images/brand/deployment-icon-dark.png?fit=max&auto=format&n=1xJTbE4Z922F2hsr&q=85&s=12d48d6b597ec2ef4b2de30d7a88f63e

LangSmith 部署

使用专为长期运行、有状态工作流构建的部署平台，轻松部署和扩展智能体。跨团队发现、复用、配置和共享智能体——并通过 Studio 中的可视化原型设计快速迭代。
https://mintcdn.com/hhh-8c10bf0c/1xJTbE4Z922F2hsr/images/brand/langchain-icon.png?fit=max&auto=format&n=1xJTbE4Z922F2hsr&q=85&s=534d508e56af485f18080c31407b7720

LangChain

提供集成和可组合的组件，以简化 LLM 应用开发。包含构建在 LangGraph 之上的智能体抽象。

​
致谢

LangGraph 的灵感来源于 Pregel 和 Apache Beam。其公共接口借鉴了 NetworkX。LangGraph 由 LangChain Inc（LangChain 的创建者）构建，但可以在不使用 LangChain 的情况下使用。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.