AI智能体开发课件第16章

AI智能体开发新手必修课第16章：LangGraph核心概念讲师：资深AI工程师|日期：2026年3月课程简介学习目标核心概念理解：深入理解State、Node、Edge、Graph等核心组件。基础用法掌握：熟练掌握基本用法，能够独立搭建简单的工作流。复杂智能体构建：具备构建有状态、循环、分支的生产级智能体能力。内容概览1.LangGraph核心概念概述2.State（状态）：智能体的记忆核心3.Node（节点）：任务处理单元4.Edge（边）：流程控制与连接5.Graph（图）：构建复杂逻辑网络6.实战案例：自动化报告生成系统重点提示：本章重点在于掌握“状态管理”与“条件分支”的实现，这是构建生产级智能体的关键。目录LangGraph核心概念概述介绍LangGraph的核心组件和作用，构建基础认知State（状态）智能体的记忆，存储工作流中的数据和上下文信息Node（节点）工作流中的处理单元，负责执行具体的任务逻辑Edge（边）工作流中的流转逻辑，控制数据在节点间的流向Graph（图）工作流的整体结构，由多个Node和Edge组成的拓扑网络实战案例：报告生成使用LangGraph搭建一个完整的自动化报告生成工作流互动实操任务动手实践：使用LangGraph搭建一个简单的工作流常见问题排查与总结梳理常见错误，总结本章核心知识点LangGraph核心概念概述什么是LangGraph？一个强大的工作流编排框架，用于构建有状态、循环、分支的复杂生产级智能体。它将智能体的工作流程抽象为一个有向图，由多个节点（Node）和边（Edge）组成。核心组件构成LangGraph的核心由四大组件共同构成：•State(状态)：工作流的记忆与数据载体•Node&Edge(节点与边)：计算单元与流转逻辑•Graph(图)：整体流程的拓扑结构图：LangGraph核心架构流程示意State（状态）核心定义State是智能体的记忆，用于存储工作流中的数据和上下文信息。它本质是一个字典结构，可灵活存储任意类型的数据。关键作用在工作流的不同节点之间传递数据和上下文，确保工作流的状态能够被正确保存和恢复，维持流程的连续性。图示：State（状态）管理流程示意Node（节点）Node定义Node是工作流中的处理单元，负责执行具体的任务。每个Node都有一个输入和输出，输入是State，输出是更新后的State。Node核心作用执行具体的任务，处理State中的数据，并更新State。它是工作流逻辑的具体承载者。核心逻辑：输入数据→节点处理（业务逻辑）→输出结果（更新状态）Edge（边）定义与结构Edge是工作流中的流转逻辑，用于连接不同的Node，控制数据的流向。每个Edge包含：源Node、目标Node以及条件判断。核心作用核心作用是控制工作流的流转逻辑，根据预设的条件判断结果，动态决定数据流向哪个后续Node节点。Edge流转逻辑示意图Graph（图）核心定义Graph是工作流的整体结构，由多个Node和Edge组成，形成一个有向图。它定义了工作流的起点、终点和各个节点之间的连接关系。核心作用定义工作流的整体结构，控制工作流的执行流程，确保节点间逻辑正确流转。示意图展示了典型的图结构，包含节点（Node）与边（Edge），直观体现了Graph作为工作流骨架的核心形态。实战案例：报告生成任务目标使用LangGraph搭建报告生成工作流，涵盖收集数据、撰写大纲、扩写内容、格式美化四个核心步骤。实现思路定义4个Node，对应四个处理步骤定义3个Edge，连接节点形成链式工作流定义Graph，指定工作流的起点和终点运行工作流，自动化生成标准化报告通过可视化的工作流编排，实现从数据到报告的全流程自动化处理报告生成代码示例（1）report_generator.pyfromlanggraph.graphimportStateGraph,END#定义State结构classState(TypedDict):data:str,outline:str,content:str#定义Node节点defcollect_data(state:State)->State:state["data"]="收集到的数据"defwrite_outline(state:State)->State:state["outline"]="生成大纲"defexpand_content(state:State)->State:state["content"]="扩写内容"defformat_report(state:State)->State:state["report"]="格式化报告"代码逻辑解析这段代码定义了报告生成流程的基础结构：State类：定义了工作流中的数据结构，包含数据、大纲、内容和报告四个状态。Node函数：定义了四个处理节点，负责数据收集、大纲撰写、内容扩写和报告格式化。执行流程概览收集数据collect_data撰写大纲write_outline扩写内容expand_content格式美化format报告生成代码示例（2）Python/graph_definition.py#定义Graphgraph=StateGraph(State)#添加Nodegraph.add_node("collect_data",collect_data)graph.add_node("write_outline",write_outline)graph.add_node("expand_content",expand_content)graph.add_node("format_report",format_report)#设置起点和终点并编译graph.set_entry_point("collect_data")app=pile()代码逻辑解析：这段代码定义了一个完整的报告生成工作流。首先初始化了一个状态图(Graph)，然后依次添加了数据收集、大纲撰写、内容扩充和报告格式化四个节点(Node)。通过设置起点和终点，构建了一个线性的执行流程，最后编译生成可执行的应用(App)。报告生成代码示例（3）#运行工作流result=app.invoke({"data":"","outline":"","content":"","report":""})#打印结果print(result["report"])代码功能解析这段代码展示了如何通过app.invoke()方法触发工作流。通过传入包含数据、大纲、内容和报告参数的字典，系统会自动生成报告并返回结果，最后通过print()打印出生成的报告内容。互动环节：实操任务介绍任务目标：搭建两步工作流使用LangGraph实现：第一步生成标题，第二步根据标题生成内容。1.定义State定义包含title和content两个字段的状态2.定义Node创建两个节点，分别对应生成标题和内容3.定义Edge定义连接两个节点的逻辑边4.定义Graph构建完整的图结构，指定起点和终点5.运行工作流执行工作流，生成最终的标题和内容提示：请确保已安装LangGraph库，并准备好环境变量配置。实操任务步骤详解1.定义State定义一个State，包含title和content两个字段。2.定义Node定义两个Node，分别对应生成标题和生成内容两个步骤。3.定义Edge定义一个Edge，连接两个Node，建立逻辑关系。4.定义Graph定义Graph，指定工作流的起点和终点，形成闭环。5.运行工作流运行工作流，自动生成标题和内容，完成任务。关键提示：在定义Node时，请确保每个节点的输入输出参数与State定义的字段严格匹配，避免运行时出现数据类型错误。实操任务评判标准总分100成功定义State正确定义State，包含title和content两个字段。20分成功定义Node正确定义两个Node，分别对应生成标题和内容步骤。20分成功定义Edge正确定义一个Edge，连接两个Node，形成流转关系。20分成功定义Graph正确定义Graph，明确指定工作流的起点和终点。20分成功运行工作流能够成功运行整个工作流，正确生成标题和内容，验证逻辑闭环。20分常见问题排查Q1:Node定义失败？检查Node的定义和参数是否正确，确保Node的输入和输出都是State。Q2:Edge定义失败？检查Edge的连接和条件是否正确，确保源Node和目标Node都已定义。Q3:Graph运行失败？检查Graph的结构和配置是否正确，确保起点和终点都已设置。本章总结核心概念掌握深入理解了LangGraph的核心要素：State、Node、Edge及Graph结构体系。基本用法实践掌握了使用LangGraph构建简单工作流的方法，能够处理基础的任务调度。实战能力进阶通过动手实操案例，将理论转化为实际技能，显著提升了实战应用能力。总结：通过本章学习，我们不仅建立了LangGraph的理论框架，更通过实践掌握了其核心应用，为后续复杂场景的开发打下了坚实基础。课后任务核心任务：使用La