LangGraph 今日知识点汇总配套核心代码一、条件边流转pythonfrom langgraph.graph import StateGraph, START, END from typing import Literal def route(state) - Literal[node_a, END]: if state[value] 5: return END return node_a builder.add_conditional_edges(node_a, route)规则流转逻辑独立路由函数不可和 Command (goto) 混用。二、超步 Superstep底层 BSP 调度最小单元流程规划就绪节点 → 并行执行 → 统一更新状态。每一轮超步结束自动生成一份检查点快照。节点内部重试不会产生新快照。三、节点重试 超时管控pythonfrom langgraph.types import RetryPolicy, NodeTimeout builder.add_node( tool_node, tool_node, retry_policyRetryPolicy(max_attempts3, initial_interval1), timeoutNodeTimeout(timeout10) )RetryPolicy节点原地重试失败直接抛出异常中断图NodeTimeout单节点运行时限超时可触发重试全局图超时graph.invoke(inputs, config{timeout: 60})四、Checkpoint 持久化体系1. 四类存储后端python# 内存临时存储调试 from langgraph.checkpoint.memory import MemorySaver memory MemorySaver() # SQLite单机文件 from langgraph.checkpoint.sqlite import SqliteSaver memory SqliteSaver.from_conn_string(sqlite:///agent.db) # PostgreSQL生产分布式 from langgraph.checkpoint.postgres import PostgresSaver memory PostgresSaver.from_conn_string(postgresql://xxx) # Redis高并发 from langgraph.checkpoint.redis import RedisSaver memory RedisSaver.from_conn_string(redis://localhost:6379) graph builder.compile(checkpointermemory)2. 三种持久化写入策略 durabilitypython# exit仅流程结束保存快照无中间存档 # async 默认超步结束后台异步落盘 # sync阻塞等待写入完成一致性最高 graph.invoke(inputs, config{configurable:{thread_id:chat01}}, durabilitysync)3. 历史快照查询 时间旅行pythonconfig {configurable: {thread_id: chat_001}} # 获取全部历史快照倒序 history graph.get_state_history(config) # 回溯历史快照继续运行 old_snap list(history)[-1] old_config { configurable: { thread_id: chat_001, checkpoint_id: old_snap.checkpoint_id } } graph.invoke(None, configold_config)应用场景故障复盘、人工审批回溯、多方案分叉探索。概念区分Checkpoint保存图运行现场节点依旧正常执行cache_node节点结果缓存入参一致直接跳过节点运行五、工程标准异常处理范式pythondef tool_node(state): try: # 工具调用逻辑 return {messages: [tool_res]} except Exception as e: # 捕获异常不抛出正常流转回大模型 return {messages: [ToolMessage(contentf调用失败{e})]}顶层兜底捕获异常RecursionLimitError、GraphTimeoutError。六、配套工程技术认知Vibe Coding 氛围编程依靠自然语言描述需求AI 完成工程开发代表工具Trae、Claude Code、Cursor。RAG 检索增强生成文档切片 → Embedding 向量化 → 向量库检索 → 原始文本注入大模型常规封装为工具交由 Agent 自主调用。路线边界LangGraph Agent 属于上层应用开发无需深入 Transformer 底层原理基座模型训练方向才需要钻研 Transformer。七、高频易混结论静态循环拓扑提前闭环单主线串行Send 动态循环运行时派发独立并行任务节点内部重试不计递归深度不生成快照Checkpointer 存储载体 和 durability 写入策略相互独立thread_id 用于隔离独立会话多对话数据互不干扰