> ## Documentation Index > Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt > Use this file to discover all available pages before exploring further. # 子图 本指南解释使用子图的机制。子图是用作另一个图中 [节点](/oss/python/langgraph/graph-api#nodes) 的 [图](/oss/python/langgraph/graph-api#graphs)。 子图适用于： * 构建 [多智能体系统](/oss/python/langchain/multi-agent) * 在多个图中重用一组节点 * 分配开发工作：当你希望不同团队独立处理图的不同部分时，你可以将每个部分定义为子图，只要遵守子图接口（输入和输出模式），父图就可以在不了解子图任何细节的情况下构建 ## 设置 ```bash pip theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} pip install -U langgraph ``` ```bash uv theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} uv add langgraph ``` **为 LangGraph 开发设置 LangSmith** 注册 [LangSmith](https://smith.langchain.com) 以快速发现问题并提高 LangGraph 项目的性能。LangSmith 让你能够使用跟踪数据来调试、测试和监控使用 LangGraph 构建的 LLM 应用——阅读更多关于 [如何开始使用 LangSmith](https://docs.smith.langchain.com) 的信息。 ## 定义子图通信 添加子图时，你需要定义父图和子图之间如何通信： | 模式 | 何时使用 | 状态模式 | | ------------------------------------------ | ---------------------------------------- | ------------------------------------ | | [在节点内调用子图](#call-a-subgraph-inside-a-node) | 父图和子图具有**不同的状态模式**（没有共享键），或者你需要在它们之间转换状态 | 你编写一个包装函数，将父图状态映射到子图输入，并将子图输出映射回父图状态 | | [将子图添加为节点](#add-a-subgraph-as-a-node) | 父图和子图**共享状态键**——子图从与父图相同的通道读取和写入 | 你将编译后的子图直接传递给 `add_node`——不需要包装函数 | ### 在节点内调用子图 当父图和子图具有**不同的状态模式**（没有共享键）时，在节点函数中调用子图。这在你想为 [多智能体](/oss/python/langchain/multi-agent) 系统中的每个代理保留私有消息历史时很常见。 节点函数在调用子图之前将父图状态转换为子图状态，并在返回之前将结果转换回父图状态。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from typing_extensions import TypedDict from langgraph.graph.state import StateGraph, START class SubgraphState(TypedDict): bar: str # 子图 def subgraph_node_1(state: SubgraphState): return {"bar": "hi! " + state["bar"]} subgraph_builder = StateGraph(SubgraphState) subgraph_builder.add_node(subgraph_node_1) subgraph_builder.add_edge(START, "subgraph_node_1") subgraph = subgraph_builder.compile() # 父图 class State(TypedDict): foo: str def call_subgraph(state: State): # 将状态转换为子图状态 subgraph_output = subgraph.invoke({"bar": state["foo"]}) # [!code highlight] # 将响应转换回父图状态 return {"foo": subgraph_output["bar"]} builder = StateGraph(State) builder.add_node("node_1", call_subgraph) builder.add_edge(START, "node_1") graph = builder.compile() ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from typing_extensions import TypedDict from langgraph.graph.state import StateGraph, START # 定义子图 class SubgraphState(TypedDict): # 注意这些键都没有与父图状态共享 bar: str baz: str def subgraph_node_1(state: SubgraphState): return {"baz": "baz"} def subgraph_node_2(state: SubgraphState): return {"bar": state["bar"] + state["baz"]} subgraph_builder = StateGraph(SubgraphState) subgraph_builder.add_node(subgraph_node_1) subgraph_builder.add_node(subgraph_node_2) subgraph_builder.add_edge(START, "subgraph_node_1") subgraph_builder.add_edge("subgraph_node_1", "subgraph_node_2") subgraph = subgraph_builder.compile() # 定义父图 class ParentState(TypedDict): foo: str def node_1(state: ParentState): return {"foo": "hi! " + state["foo"]} def node_2(state: ParentState): # 将状态转换为子图状态 response = subgraph.invoke({"bar": state["foo"]}) # 将响应转换回父图状态 return {"foo": response["bar"]} builder = StateGraph(ParentState) builder.add_node("node_1", node_1) builder.add_node("node_2", node_2) builder.add_edge(START, "node_1") builder.add_edge("node_1", "node_2") graph = builder.compile() for chunk in graph.stream({"foo": "foo"}, subgraphs=True, version="v2"): if chunk["type"] == "updates": print(chunk["ns"], chunk["data"]) ``` ``` () {'node_1': {'foo': 'hi! foo'}} ('node_2:577b710b-64ae-31fb-9455-6a4d4cc2b0b9',) {'subgraph_node_1': {'baz': 'baz'}} ('node_2:577b710b-64ae-31fb-9455-6a4d4cc2b0b9',) {'subgraph_node_2': {'bar': 'hi! foobaz'}} () {'node_2': {'foo': 'hi! foobaz'}} ``` 这是一个包含两层子图的示例：父图 -> 子图 -> 孙图。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} # 孙图 from typing_extensions import TypedDict from langgraph.graph.state import StateGraph, START, END class GrandChildState(TypedDict): my_grandchild_key: str def grandchild_1(state: GrandChildState) -> GrandChildState: # 注意：这里无法访问子图或父图键 return {"my_grandchild_key": state["my_grandchild_key"] + ", how are you"} grandchild = StateGraph(GrandChildState) grandchild.add_node("grandchild_1", grandchild_1) grandchild.add_edge(START, "grandchild_1") grandchild.add_edge("grandchild_1", END) grandchild_graph = grandchild.compile() # 子图 class ChildState(TypedDict): my_child_key: str def call_grandchild_graph(state: ChildState) -> ChildState: # 注意：这里无法访问父图或孙图键 grandchild_graph_input = {"my_grandchild_key": state["my_child_key"]} grandchild_graph_output = grandchild_graph.invoke(grandchild_graph_input) return {"my_child_key": grandchild_graph_output["my_grandchild_key"] + " today?"} child = StateGraph(ChildState) # 我们在这里传递一个函数，而不仅仅是编译后的图 (`grandchild_graph`) child.add_node("child_1", call_grandchild_graph) child.add_edge(START, "child_1") child.add_edge("child_1", END) child_graph = child.compile() # 父图 class ParentState(TypedDict): my_key: str def parent_1(state: ParentState) -> ParentState: # 注意：这里无法访问子图或孙图键 return {"my_key": "hi " + state["my_key"]} def parent_2(state: ParentState) -> ParentState: return {"my_key": state["my_key"] + " bye!"} def call_child_graph(state: ParentState) -> ParentState: child_graph_input = {"my_child_key": state["my_key"]} child_graph_output = child_graph.invoke(child_graph_input) return {"my_key": child_graph_output["my_child_key"]} parent = StateGraph(ParentState) parent.add_node("parent_1", parent_1) # 我们在这里传递一个函数，而不仅仅是编译后的图 (`child_graph`) parent.add_node("child", call_child_graph) parent.add_node("parent_2", parent_2) parent.add_edge(START, "parent_1") parent.add_edge("parent_1", "child") parent.add_edge("child", "parent_2") parent.add_edge("parent_2", END) parent_graph = parent.compile() for chunk in parent_graph.stream({"my_key": "Bob"}, subgraphs=True, version="v2"): if chunk["type"] == "updates": print(chunk["ns"], chunk["data"]) ``` ``` () {'parent_1': {'my_key': 'hi Bob'}} ('child:2e26e9ce-602f-862c-aa66-1ea5a4655e3b', 'child_1:781bb3b1-3971-84ce-810b-acf819a03f9c') {'grandchild_1': {'my_grandchild_key': 'hi Bob, how are you'}} ('child:2e26e9ce-602f-862c-aa66-1ea5a4655e3b',) {'child_1': {'my_child_key': 'hi Bob, how are you today?'}} () {'child': {'my_key': 'hi Bob, how are you today?'}} () {'parent_2': {'my_key': 'hi Bob, how are you today? bye!'}} ``` ### 将子图添加为节点 当父图和子图**共享状态键**时，你可以直接将编译后的子图传递给 `add_node`。不需要包装函数——子图会自动从父图的状态通道读取和写入。例如，在 [多智能体](/oss/python/langchain/multi-agent) 系统中，代理通常通过共享的 [messages](/oss/python/langgraph/graph-api#why-use-messages) 键进行通信。 SQL agent graph 如果你的子图与父图共享状态键，可以按照以下步骤将其添加到你的图中： 1. 定义子图工作流（下面的示例中的 `subgraph_builder`）并编译它 2. 在定义父图工作流时，将编译后的子图传递给 \[`add_node`] 方法 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from typing_extensions import TypedDict from langgraph.graph.state import StateGraph, START class State(TypedDict): foo: str # 子图 def subgraph_node_1(state: State): return {"foo": "hi! " + state["foo"]} subgraph_builder = StateGraph(State) subgraph_builder.add_node(subgraph_node_1) subgraph_builder.add_edge(START, "subgraph_node_1") subgraph = subgraph_builder.compile() # 父图 builder = StateGraph(State) builder.add_node("node_1", subgraph) # [!code highlight] builder.add_edge(START, "node_1") graph = builder.compile() ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from typing_extensions import TypedDict from langgraph.graph.state import StateGraph, START # 定义子图 class SubgraphState(TypedDict): foo: str # 与父图状态共享 bar: str # 仅对 SubgraphState 私有 def subgraph_node_1(state: SubgraphState): return {"bar": "bar"} def subgraph_node_2(state: SubgraphState): # 注意此节点正在使用仅在子图中可用的状态键 ('bar') # 并且正在更新共享状态键 ('foo') return {"foo": state["foo"] + state["bar"]} subgraph_builder = StateGraph(SubgraphState) subgraph_builder.add_node(subgraph_node_1) subgraph_builder.add_node(subgraph_node_2) subgraph_builder.add_edge(START, "subgraph_node_1") subgraph_builder.add_edge("subgraph_node_1", "subgraph_node_2") subgraph = subgraph_builder.compile() # 定义父图 class ParentState(TypedDict): foo: str def node_1(state: ParentState): return {"foo": "hi! " + state["foo"]} builder = StateGraph(ParentState) builder.add_node("node_1", node_1) builder.add_node("node_2", subgraph) builder.add_edge(START, "node_1") builder.add_edge("node_1", "node_2") graph = builder.compile() for chunk in graph.stream({"foo": "foo"}, version="v2"): if chunk["type"] == "updates": print(chunk["data"]) ``` ``` {'node_1': {'foo': 'hi! foo'}} {'node_2': {'foo': 'hi! foobar'}} ``` ## 子图持久性 使用子图时，你需要决定其内部数据在调用之间如何处理。考虑一个委托给专家子代理的客户支持机器人："billing expert" 子代理应该记住客户之前的问题，还是每次被调用时重新开始？ `.compile()` 上的 `checkpointer` 参数控制子图持久性： | 模式 | `checkpointer=` | 行为 | | ------------------------------- | --------------- | ----------------------------------------------------------------------------------------------------------------------- | | [每次调用](#per-invocation-default) | `None`（默认） | 每次调用都重新开始，并继承父图的检查点器以支持单次调用内的 [中断](/oss/python/langgraph/interrupts) 和 [持久执行](/oss/python/langgraph/durable-execution)。 | | [每个线程](#per-thread) | `True` | 状态在同一线程的调用之间累积。每次调用从上一次结束的地方继续。 | | [无状态](#stateless) | `False` | 完全不进行检查点——像普通函数调用一样运行。不支持中断或持久执行。 | 每次调用是最适合大多数应用程序的选择，包括 [多智能体](/oss/python/langchain/multi-agent) 系统，其中子代理处理独立的请求。当子代理需要多轮对话记忆时（例如，在几次交互中建立上下文的助理），请使用每个线程。 父图必须使用检查点器编译，以便子图持久性功能（中断、状态检查、每个线程的记忆）正常工作。请参阅 [持久性](/oss/python/langgraph/persistence)。 下面的示例使用 LangChain 的 [`create_agent`](/oss/python/langchain/tools)，这是构建代理的常用方式。`create_agent` 在底层生成一个 [LangGraph 图](/oss/python/langgraph/graph-api)，因此所有子图持久性概念都直接适用。如果你使用原始 LangGraph `StateGraph` 构建，则应用相同的模式和配置选项——有关详细信息，请参阅 [图 API](/oss/python/langgraph/graph-api)。 ### 有状态 有状态子图继承父图的检查点器，这启用了 [中断](/oss/python/langgraph/interrupts)、[持久执行](/oss/python/langgraph/durable-execution) 和状态检查。两种有状态模式的区别在于状态保留的时间长度。 #### 每次调用（默认） 这是推荐的大多数应用程序的模式，包括 [多智能体](/oss/python/langchain/multi-agent) 系统，其中子代理作为工具被调用。它支持中断、[持久执行](/oss/python/langgraph/durable-execution) 和并行调用，同时保持每次调用的隔离。 当每次对子图的调用都是独立的，且子代理不需要记住之前调用的任何内容时，使用每次调用持久性。这是最常见的模式，特别是对于 [多智能体](/oss/python/langchain/multi-agent) 系统，其中子代理处理一次性请求，如“查找此客户的订单”或“总结此文档”。 省略 `checkpointer` 或将其设置为 `None`。每次调用都重新开始，但在单次调用内，子图继承父图的检查点器，并可以使用 `interrupt()` 暂停和恢复。 以下示例使用两个子代理（水果专家、蔬菜专家）作为外部代理的工具进行包装： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain.agents import create_agent from langchain.tools import tool from langgraph.checkpoint.memory import MemorySaver from langgraph.types import Command, interrupt @tool def fruit_info(fruit_name: str) -> str: """查找水果信息。""" return f"关于 {fruit_name} 的信息" @tool def veggie_info(veggie_name: str) -> str: """查找蔬菜信息。""" return f"关于 {veggie_name} 的信息" # 子代理 - 没有设置 checkpointer（继承父级） fruit_agent = create_agent( model="gpt-4.1-mini", tools=[fruit_info], prompt="你是一个水果专家。使用 fruit_info 工具。用一句话回答。", ) veggie_agent = create_agent( model="gpt-4.1-mini", tools=[veggie_info], prompt="你是一个蔬菜专家。使用 veggie_info 工具。用一句话回答。", ) # 将子代理包装为外部代理的工具 @tool def ask_fruit_expert(question: str) -> str: """询问水果专家。用于所有水果问题。""" response = fruit_agent.invoke( {"messages": [{"role": "user", "content": question}]}, ) return response["messages"][-1].content @tool def ask_veggie_expert(question: str) -> str: """询问蔬菜专家。用于所有蔬菜问题。""" response = veggie_agent.invoke( {"messages": [{"role": "user", "content": question}]}, ) return response["messages"][-1].content # 带有检查点器的外部代理 agent = create_agent( model="gpt-4.1-mini", tools=[ask_fruit_expert, ask_veggie_expert], prompt=( "你有两个专家：ask_fruit_expert 和 ask_veggie_expert。" "始终将问题委托给适当的专家。" ), checkpointer=MemorySaver(), ) ``` 每次调用都可以使用 `interrupt()` 暂停和恢复。向工具函数添加 `interrupt()` 以在执行前要求用户批准： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} @tool def fruit_info(fruit_name: str) -> str: """查找水果信息。""" interrupt("继续？") # [!code highlight] return f"关于 {fruit_name} 的信息" ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} config = {"configurable": {"thread_id": "1"}} # 调用 - 子代理的工具调用 interrupt() response = agent.invoke( {"messages": [{"role": "user", "content": "告诉我关于苹果的事"}]}, config=config, ) # response 包含 __interrupt__ # 恢复 - 批准中断 response = agent.invoke(Command(resume=True), config=config) # [!code highlight] # 子代理消息数：4 ``` 每次调用都以新的子代理状态开始。子代理不记得之前的调用： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} config = {"configurable": {"thread_id": "1"}} # 第一次调用 response = agent.invoke( {"messages": [{"role": "user", "content": "告诉我关于苹果的事"}]}, config=config, ) # 子代理消息数：4 # 第二次调用 - 子代理重新开始，不记得苹果 response = agent.invoke( {"messages": [{"role": "user", "content": "现在告诉我关于香蕉的事"}]}, config=config, ) # 子代理消息数：4（仍然是新的！） ``` 对同一子图的多次调用可以无冲突地工作，因为每次调用都有自己独立的检查点命名空间： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} config = {"configurable": {"thread_id": "1"}} # LLM 为苹果和香蕉都调用 ask_fruit_expert response = agent.invoke( {"messages": [{"role": "user", "content": "告诉我关于苹果和香蕉的事"}]}, config=config, ) # 子代理消息数：4（苹果 - 新的） # 子代理消息数：4（香蕉 - 新的） ``` #### 每个线程 当子代理需要记住之前的交互时，使用每个线程持久性。例如，在几次交互中建立上下文的研究助理，或跟踪已编辑文件的编码助理。子代理的对话历史和数据在同一线程的调用之间累积。每次调用从上一次结束的地方继续。 使用 `checkpointer=True` 编译以启用此行为。 每个线程的子图不支持并行工具调用。当 LLM 可以将每个线程的子代理作为工具访问时，它可能会尝试并行多次调用该工具（例如，同时询问水果专家关于苹果和香蕉的事）。这会导致检查点冲突，因为两个调用都写入同一个命名空间。 下面的示例使用 LangChain 的 `ToolCallLimitMiddleware` 来防止这种情况。如果你使用纯 LangGraph `StateGraph` 构建，则需要自己防止并行工具调用——例如，通过配置模型禁用并行工具调用，或通过添加逻辑确保不会在并行中多次调用同一子图。 以下示例使用使用 `checkpointer=True` 编译的水果专家子代理： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langchain.agents import create_agent from langchain.agents.middleware import ToolCallLimitMiddleware from langchain.tools import tool from langgraph.checkpoint.memory import MemorySaver from langgraph.types import Command, interrupt @tool def fruit_info(fruit_name: str) -> str: """查找水果信息。""" return f"关于 {fruit_name} 的信息" # 带有 checkpointer=True 的子代理，用于持久状态 fruit_agent = create_agent( model="gpt-4.1-mini", tools=[fruit_info], prompt="你是一个水果专家。使用 fruit_info 工具。用一句话回答。", checkpointer=True, # [!code highlight] ) # 将子代理包装为外部代理的工具 @tool def ask_fruit_expert(question: str) -> str: """询问水果专家。用于所有水果问题。""" response = fruit_agent.invoke( {"messages": [{"role": "user", "content": question}]}, ) return response["messages"][-1].content # 带有检查点器的外部代理 # 使用 ToolCallLimitMiddleware 防止对每个线程的子代理进行并行调用， # 否则会导致检查点冲突。 agent = create_agent( model="gpt-4.1-mini", tools=[ask_fruit_expert], prompt="你有一个水果专家。始终将水果问题委托给 ask_fruit_expert。", middleware=[ # [!code highlight] ToolCallLimitMiddleware(tool_name="ask_fruit_expert", run_limit=1), # [!code highlight] ], # [!code highlight] checkpointer=MemorySaver(), ) ``` 每个线程的子代理支持 `interrupt()`，就像每次调用一样。向工具函数添加 `interrupt()` 以要求用户批准： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} @tool def fruit_info(fruit_name: str) -> str: """查找水果信息。""" interrupt("继续？") # [!code highlight] return f"关于 {fruit_name} 的信息" ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} config = {"configurable": {"thread_id": "1"}} # Invoke - the subagent's tool calls interrupt() response = agent.invoke( {"messages": [{"role": "user", "content": "Tell me about apples"}]}, config=config, ) # response contains __interrupt__ # Resume - approve the interrupt response = agent.invoke(Command(resume=True), config=config) # [!code highlight] # Subagent message count: 4 ``` 状态在调用之间累积——子代理记得过去的对话： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} config = {"configurable": {"thread_id": "1"}} # First call response = agent.invoke( {"messages": [{"role": "user", "content": "Tell me about apples"}]}, config=config, ) # Subagent message count: 4 # Second call - subagent REMEMBERS apples conversation response = agent.invoke( {"messages": [{"role": "user", "content": "Now tell me about bananas"}]}, config=config, ) # Subagent message count: 8 (accumulated!) ``` 当你有多个**不同**的每个线程子图（例如，水果专家和蔬菜专家）时，每个都需要自己的存储空间，这样它们的检查点就不会相互覆盖。这称为**命名空间隔离**。 如果你在 [节点内调用子图](#call-a-subgraph-inside-a-node)，LangGraph 根据调用顺序分配命名空间（第一次调用、第二次调用等）。这意味着重新排序调用会混淆哪个子图加载哪个状态。为了避免这种情况，将每个子代理包装在自己的 `StateGraph` 中，并使用唯一的节点名称——这为每个子图提供稳定、唯一的命名空间： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langgraph.graph import MessagesState, StateGraph def create_sub_agent(model, *, name, **kwargs): """Wrap an agent with a unique node name for namespace isolation.""" agent = create_agent(model=model, name=name, **kwargs) return ( StateGraph(MessagesState) .add_node(name, agent) # unique name → stable namespace # [!code highlight] .add_edge("__start__", name) .compile() ) fruit_agent = create_sub_agent( "gpt-4.1-mini", name="fruit_agent", tools=[fruit_info], prompt="...", checkpointer=True, ) veggie_agent = create_sub_agent( "gpt-4.1-mini", name="veggie_agent", tools=[veggie_info], prompt="...", checkpointer=True, ) config = {"configurable": {"thread_id": "1"}} # First call - LLM calls both fruit and veggie experts response = agent.invoke( {"messages": [{"role": "user", "content": "Tell me about cherries and broccoli"}]}, config=config, ) # Fruit subagent message count: 4 # Veggie subagent message count: 4 # Second call - both agents accumulate independently response = agent.invoke( {"messages": [{"role": "user", "content": "Now tell me about oranges and carrots"}]}, config=config, ) # Fruit subagent message count: 8 (remembers cherries!) # Veggie subagent message count: 8 (remembers broccoli!) ``` 作为 [节点添加](#add-a-subgraph-as-a-node) 的子图已经自动获得基于名称的命名空间，所以它们不需要这个包装。 ### 无状态 当你想要像普通函数调用一样运行子代理，没有任何检查点开销时使用此选项。子图无法暂停/恢复，也不受益于 [持久执行](/oss/python/langgraph/persistence)。使用 `checkpointer=False` 编译。 没有检查点，子图就没有持久执行。如果进程在运行中途崩溃，子图无法恢复，必须从头重新运行。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} subgraph_builder = StateGraph(...) subgraph = subgraph_builder.compile(checkpointer=False) # [!code highlight] ``` ### 检查点器参考 使用 `.compile()` 上的 `checkpointer` 参数控制子图持久性： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} subgraph = builder.compile(checkpointer=False) # or True / None ``` | 功能 | 每次调用（默认） | 每个线程 | 无状态 | | --------------- | ------------------------------------------------------------------------------------- | ----------------------------------------------------------------- | ------- | | `checkpointer=` | `None` | `True` | `False` | | 中断 (HITL) | ✅ | ✅ | ❌ | | 多轮记忆 | ❌ | ✅ | ❌ | | 多次调用（不同子图） | ✅ | ⚠️ | ✅ | | 多次调用（相同子图） | ✅ | ❌ | ✅ | | 状态检查 | ⚠️ | ✅ | ❌ | * **中断 (HITL)**：子图可以使用 [interrupt()](/oss/python/langgraph/interrupts) 暂停执行并等待用户输入，然后从中断处恢复。 * **多轮记忆**：子图在同一个 [线程](/oss/python/langgraph/persistence#threads) 内的多次调用之间保留其状态。每次调用从上一次结束的地方继续，而不是重新开始。 * **多次调用（不同子图）**：可以在单个节点内调用多个不同的子图实例，而不会发生检查点命名空间冲突。 * **多次调用（相同子图）**：可以在单个节点内多次调用同一子图实例。使用有状态持久性时，这些调用写入相同的检查点命名空间并发生冲突——改用每次调用持久性。 * **状态检查**：子图的状态可通过 `get_state(config, subgraphs=True)` 获取，用于调试和监控。 ## 查看子图状态 当你启用 [持久性](/oss/python/langgraph/persistence) 时，你可以使用 subgraphs 选项检查子图状态。使用 [无状态](#stateless) 检查点 (`checkpointer=False`)，不会保存子图检查点，因此子图状态不可用。 查看子图状态需要 LangGraph 能够**静态发现**子图——即，它是 [作为节点添加](#add-a-subgraph-as-a-node) 或 [在节点内调用](#call-a-subgraph-inside-a-node)。当子图在 [工具](/oss/python/langchain/tools) 函数或其他间接调用（例如 [子代理](/oss/python/langchain/multi-agent/subagents) 模式）内调用时不起作用。无论嵌套如何，中断仍传播到顶级图。 返回**当前调用**的子图状态。每次调用都重新开始。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langgraph.graph import START, StateGraph from langgraph.checkpoint.memory import MemorySaver from langgraph.types import interrupt, Command from typing_extensions import TypedDict class State(TypedDict): foo: str # 子图 def subgraph_node_1(state: State): value = interrupt("Provide value:") return {"foo": state["foo"] + value} subgraph_builder = StateGraph(State) subgraph_builder.add_node(subgraph_node_1) subgraph_builder.add_edge(START, "subgraph_node_1") subgraph = subgraph_builder.compile() # inherits parent checkpointer # 父图 builder = StateGraph(State) builder.add_node("node_1", subgraph) builder.add_edge(START, "node_1") checkpointer = MemorySaver() graph = builder.compile(checkpointer=checkpointer) config = {"configurable": {"thread_id": "1"}} graph.invoke({"foo": ""}, config) # View subgraph state for the current invocation subgraph_state = graph.get_state(config, subgraphs=True).tasks[0].state # [!code highlight] # Resume the subgraph graph.invoke(Command(resume="bar"), config) ``` 返回此线程上所有调用之间的**累积**子图状态。 ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from langgraph.graph import START, StateGraph, MessagesState from langgraph.checkpoint.memory import MemorySaver # 带有自己持久状态的子图 subgraph_builder = StateGraph(MessagesState) # ... add nodes and edges subgraph = subgraph_builder.compile(checkpointer=True) # [!code highlight] # 父图 builder = StateGraph(MessagesState) builder.add_node("agent", subgraph) builder.add_edge(START, "agent") checkpointer = MemorySaver() graph = builder.compile(checkpointer=checkpointer) config = {"configurable": {"thread_id": "1"}} graph.invoke({"messages": [{"role": "user", "content": "hi"}]}, config) graph.invoke({"messages": [{"role": "user", "content": "what did I say?"}]}, config) # View accumulated subgraph state (includes messages from both invocations) subgraph_state = graph.get_state(config, subgraphs=True).tasks[0].state # [!code highlight] ``` ## 流式传输子图输出 要将子图的输出包含在流式输出中，你可以在父图的 stream 方法中设置 subgraphs 选项。这将流式传输来自父图和任何子图的输出。 使用 `version="v2"`，子图事件使用相同的 `StreamPart` 格式。`ns` 字段标识源图： ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} for chunk in graph.stream( {"foo": "foo"}, subgraphs=True, # [!code highlight] stream_mode="updates", version="v2", # [!code highlight] ): print(chunk["type"]) # "updates" print(chunk["ns"]) # () for root, ("node_2:",) for subgraph print(chunk["data"]) # {"node_name": {"key": "value"}} ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} for chunk in graph.stream( {"foo": "foo"}, subgraphs=True, # [!code highlight] stream_mode="updates", ): print(chunk) ``` ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} from typing_extensions import TypedDict from langgraph.graph.state import StateGraph, START # 定义子图 class SubgraphState(TypedDict): foo: str bar: str def subgraph_node_1(state: SubgraphState): return {"bar": "bar"} def subgraph_node_2(state: SubgraphState): # note that this node is using a state key ('bar') that is only available in the subgraph # and is sending update on the shared state key ('foo') return {"foo": state["foo"] + state["bar"]} subgraph_builder = StateGraph(SubgraphState) subgraph_builder.add_node(subgraph_node_1) subgraph_builder.add_node(subgraph_node_2) subgraph_builder.add_edge(START, "subgraph_node_1") subgraph_builder.add_edge("subgraph_node_1", "subgraph_node_2") subgraph = subgraph_builder.compile() # 定义父图 class ParentState(TypedDict): foo: str def node_1(state: ParentState): return {"foo": "hi! " + state["foo"]} builder = StateGraph(ParentState) builder.add_node("node_1", node_1) builder.add_node("node_2", subgraph) builder.add_edge(START, "node_1") builder.add_edge("node_1", "node_2") graph = builder.compile() for chunk in graph.stream( {"foo": "foo"}, stream_mode="updates", subgraphs=True, # [!code highlight] version="v2", # [!code highlight] ): if chunk["type"] == "updates": print(chunk["ns"], chunk["data"]) ``` ``` () {'node_1': {'foo': 'hi! foo'}} ('node_2:e58e5673-a661-ebb0-70d4-e298a7fc28b7',) {'subgraph_node_1': {'bar': 'bar'}} ('node_2:e58e5673-a661-ebb0-70d4-e298a7fc28b7',) {'subgraph_node_2': {'foo': 'hi! foobar'}} () {'node_2': {'foo': 'hi! foobar'}} ``` ***
[Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\oss\langgraph\use-subgraphs.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose). [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.