LangGraph项目教程：理解Graph与StateGraph的核心概念-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00301/article/details/148440118

LangGraph项目教程：理解Graph与StateGraph的核心概念

Tutorial-Codebase-Knowledge Turns Codebase into Easy Tutorial with AI 项目地址: https://gitcode.com/gh_mirrors/tu/Tutorial-Codebase-Knowledge

引言：为什么需要图结构？

在现代LLM应用开发中，简单的单次调用模型往往无法满足复杂业务需求。想象一下，当你需要构建一个智能客服系统时，完整的业务流程可能包含：理解用户意图→查询知识库→生成回答→评估回答质量→可能的多轮对话。这种复杂流程需要清晰的结构化管理，这正是LangGraph项目提供的核心价值。

什么是Graph？

Graph（图）是LangGraph中的基础抽象概念，它由两个核心组件构成：

节点(Node)：代表应用中的独立处理单元，可以是一个LLM调用、工具调用或数据处理函数
边(Edge)：定义节点间的流转关系，决定业务流程的执行顺序

这种结构类似于软件开发中的流程图(Flowchart)，但提供了更强大的状态管理和执行控制能力。

StateGraph：状态管理专家

StateGraph是Graph的增强实现，特别适合需要维护中间状态的复杂应用。它的核心设计理念是：

共享状态(Shared State)：所有节点通过一个中央状态对象进行隐式通信
增量更新：每个节点只返回需要修改的状态部分，系统自动合并更新
类型安全：使用Python的TypedDict明确定义状态结构

StateGraph工作原理示例

让我们通过一个简单的状态流转示例来理解StateGraph的运行机制：

from typing import TypedDict
from langgraph.graph import StateGraph, END

# 定义状态结构
class CalculationState(TypedDict):
    number: int

# 定义节点函数
def increment(state: CalculationState):
    return {"number": state["number"] + 1}

def double(state: CalculationState):
    return {"number": state["number"] * 2}

# 构建图结构
graph = StateGraph(CalculationState)
graph.add_node("add_one", increment)
graph.add_node("double", double)
graph.add_edge("add_one", "double")
graph.add_edge("double", END)
graph.set_entry_point("add_one")

# 编译并执行
app = graph.compile()
result = app.invoke({"number": 3})
print(result)  # 输出: {'number': 8}

这个例子展示了状态如何在不同节点间流动：初始值3→加1变为4→乘以2变为8。

MessageGraph：对话系统专用图

MessageGraph是StateGraph的专门化版本，针对对话系统进行了优化：

自动维护消息列表状态
提供专用方法处理消息追加和更新
支持基于消息ID的重复检测

典型使用场景：

from langgraph.graph import MessageGraph

def respond(messages):
    last_msg = messages[-1]
    return {"messages": [f"回复：{last_msg}"]}

graph = MessageGraph()
graph.add_node("responder", respond)
graph.add_edge("responder", END)
graph.set_entry_point("responder")

app = graph.compile()
result = app.invoke({"messages": ["你好"]})
# 输出包含自动追加的回复消息