LangGraph

LangGraph 是一个用来编排长时运行、有状态智能体的低层框架和运行时。它不规定提示词怎么写，也不限定智能体架构，只提供一套原语：你把工作流写成由共享状态、节点和边组成的图，手写节点和模型驱动节点可以混在同一张图里。想先要一个高层智能体循环，可以去看 Deep Agents 或 LangChain agents；需要显式控制状态和流程时再用它。

安装方式是 pip install -U langgraph，文档示例用 Python 演示：定义 StateGraph、加节点、连边、编译，然后 invoke 一次即可跑通一个最小图。

主要能力

• 确定性与智能体步骤混编：手写节点和模型驱动节点放在同一张图里。
• 持久化：对状态做检查点，失败或暂停后可以接着跑。
• 人工介入：暂停执行，查看或修改状态，再继续。
• 记忆：线程内的短期状态，以及跨会话的长期记忆。
• 流式：图运行过程中可以流式输出 token、状态更新和其他事件。

和 LangChain 生态的关系

LangGraph 可以单独使用，不依赖 LangChain；文档里的模型和工具集成示例常借用 LangChain。它还能和 LangSmith Deployment 搭配做部署与扩展，在 Studio 里可视化原型；LangSmith Observability 则用来追踪请求、评估输出、监控部署。

适合谁

适合已经了解模型和工具这些基本构件、需要自己掌控状态流转的开发者，尤其是要做可恢复、可暂停、可观测的长流程智能体时。如果只想要现成的智能体循环，它偏底层，前期要自己搭图结构。