AI智能体开发课件第17章

AI智能体开发新手必修课第17章：工作流编排设计与状态持久化讲师：资深AI工程师|日期：2026年3月课程简介学习目标掌握链式、循环、分支决策工作流的设计方法，构建复杂逻辑。理解状态持久化原理，熟练掌握Checkpointer的使用方法。能够使用LangGraph搭建完整工作流，并实现状态的持久化管理。内容概览1.工作流编排设计概述2.链式工作流设计3.循环工作流设计4.分支决策工作流设计5.状态持久化概述与Checkpointer原理6.实战案例：方案设计与评审本章重点：通过理论结合实战，深入理解工作流编排逻辑，掌握状态管理核心技术。目录工作流编排设计概述介绍工作流编排设计的概念和作用链式工作流工作流中的节点按照顺序依次执行循环工作流工作流中的节点可以重复执行分支决策工作流根据条件判断选择不同的执行路径状态持久化概述介绍状态持久化的概念和作用Checkpointer工作原理讲解Checkpointer的工作原理实战案例：方案设计与评审使用LangGraph搭建方案设计工作流互动实操任务搭建一个分支决策工作流常见问题排查与总结本章重点回顾与疑难解答工作流编排设计概述核心定义工作流编排设计是指如何设计和组织智能体的工作流程，使其能够完成复杂的任务。它是构建复杂生产级智能体的关键。主要类型主要包括链式工作流、循环工作流、分支决策工作流等类型。不同的工作流类型适用于不同的业务场景。图：工作流编排设计架构示意图链式工作流定义：工作流中的节点按照顺序依次执行，形成一个链条。每个节点的输出作为下一个节点的输入，构成单向流转的线性关系。特点：顺序执行、结构简单、易于理解和实现。适用于任务步骤明确、顺序固定且无复杂分支的场景。图示：链式工作流执行流程示意循环工作流核心定义工作流中的节点可以重复执行，直到满足某个条件。允许智能体在工作流中进行自我反思和迭代。关键特点具备重复执行、自我反思、迭代优化三大特点。特别适用于需要反复尝试和优化的复杂场景。图示：循环工作流执行流程示意分支决策工作流核心定义分支决策工作流是指工作流中的节点可以根据条件判断，选择不同的执行路径。它允许智能体根据不同的情况做出不同的决策。关键特点具备条件判断、路径选择和灵活多变的特性。适用于需要根据不同输入条件或环境变化，动态调整执行策略的复杂业务场景。图：分支决策工作流执行流程示意图状态持久化概述核心定义状态持久化是指将智能体的状态保存到持久化存储中，以便在需要时恢复。它确保了工作流的状态能够被正确保存和恢复。核心作用确保工作流状态在中断或系统崩溃时不丢失，保证业务连续性。即使发生意外，也能基于保存的状态快速恢复工作流。图：状态持久化工作流程示意图Checkpointer工作原理核心定义Checkpointer是LangGraph中用于状态持久化的组件，它可以将工作流的状态保存到数据库或文件中，并在需要时恢复。运行机制在工作流的每个节点执行完毕后，将当前状态保存到持久化存储中。当需要恢复时，从存储中读取状态并恢复执行。关键作用：通过状态持久化，确保工作流在异常中断后能够从断点处继续运行，避免重复计算，提升系统的鲁棒性。实战案例：方案设计与评审任务目标使用LangGraph搭建一个方案设计与评审工作流，涵盖产品经理撰写初稿、技术专家评审、方案修改优化三个核心步骤，实现自动化协作。实现思路定义节点：创建三个Node，分别对应初稿撰写、专家评审、修改优化。定义边：建立两个Edge连接节点，形成分支决策逻辑。构建图：指定Graph的起点和终点，确立工作流框架。运行执行：启动工作流，自动流转生成最终方案。图：方案设计与评审工作流示意图通过可视化的工作流引擎，可直观监控任务状态，大幅提升团队协作效率与方案质量。方案设计与评审代码示例（1）fromlanggraph.graphimportStateGraph,END#定义StateclassState(TypedDict):draft:strreview:stroptimized:str#定义Nodedefwrite_draft(state:State)->State:state["draft"]="产品经理写的初稿"returnstatedefreview_draft(state:State)->State:state["review"]="技术专家的评审意见"returnstatedefoptimize_draft(state:State)->State:state["optimized"]="修改优化后的方案"returnstate代码逻辑解析Step1:撰写初稿产品经理根据需求输出方案初稿，存入状态机。Step2:专家评审技术专家介入，针对可行性提出专业评审意见。Step3:优化方案结合评审意见，对方案进行修改和优化，形成终稿。核心逻辑：这段代码通过State定义了工作流的数据结构，通过三个Node函数串联起了从“撰写”到“评审”再到“优化”的完整闭环流程。方案设计与评审代码示例（2）#定义Graphgraph=StateGraph(State)#添加Nodegraph.add_node("write_draft",write_draft)graph.add_node("review_draft",review_draft)graph.add_node("optimize_draft",optimize_draft)#添加Edge&设置起点graph.add_edge("write_draft","review_draft")graph.add_edge("review_draft","optimize_draft")graph.add_edge("optimize_draft",END)graph.set_entry_point("write_draft")app=pile()代码解析定义结构：创建了StateGraph对象，定义了工作流的基本骨架。添加节点：包含撰写、评审和优化三个核心节点，构建业务流程。建立连接：通过Edge连接节点，设定了清晰的流转顺序与终点。编译运行：设置起点并编译，将定义转化为可执行的应用程序。核心逻辑：通过定义节点(Node)和连接(Edge)，构建了一个闭环的文档处理工作流，从撰写到评审再到优化，实现了流程的自动化编排。方案设计与评审代码示例（3）workflow_run.py#运行工作流result=app.invoke({"draft":"","review":"","optimized":""})#打印结果print(result["optimized"])代码功能解析这段代码展示了如何调用工作流引擎。首先调用app.invoke()方法启动工作流，传入包含草稿、评审和优化字段的空字典。执行完成后，从返回结果中提取并打印优化后的方案内容。互动环节：实操任务介绍任务目标使用LangGraph搭建一个分支决策工作流，实现一个根据用户输入的数字判断奇偶性的任务。任务步骤详解1.定义State定义一个State，包含number和result两个字段。2.定义Node定义三个Node，分别对应输入、判断、输出。3.定义Edge定义两个Edge，连接Node形成分支决策流。4.定义Graph定义Graph，指定工作流的起点和终点。5.运行工作流运行工作流，判断用户输入数字的奇偶性。实操任务步骤详解1.定义State定义一个State，包含number和result两个字段。2.定义Node定义三个Node，分别对应输入数字、判断奇偶性、输出结果。3.定义Edge定义两个Edge，连接三个Node，形成分支决策工作流。4.定义Graph定义Graph，指定工作流的起点和终点。5.运行工作流运行工作流，判断用户输入的数字的奇偶性。核心目标：通过五步构建完整的工作流体系，实现从状态定义到逻辑执行的闭环验证。实操任务评判标准任务总分：100分成功定义State能够正确定义State，包含number和result两个字段。20分成功定义Node能够正确定义三个Node，分别对应输入数字、判断奇偶性、输出结果三个步骤。20分成功定义Edge能够正确定义两个Edge，分别连接三个Node，形成一个分支决策工作流。20分成功定义Graph能够正确定义Graph，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工作流，判断用户输入的数字的奇偶性。20分常见问题排查Q1:工作流设计失败？检查工作流的结构和配置是否正确，确保节点和边的连接正确。Q2:Checkpointer使用失败？检查Checkpointer的配置和数据库连接是否正确，确保状态能够被正确保存和恢复。Q3:分支决策工作流运行失败？检查条件判断的逻辑是否正确，确保工作流能够根据条件选择正确的执行路径。本章总结工作流编排设计掌握了链式工作流、循环工作流、分支决策工作流的设计方法，构建灵活的业务逻辑。状态持久化原理深入理解状态持久化的原理，熟练掌握Checkpointer的使用方法，确保系统高可用性。实战能力提升通过动手实操，将理论知识转化为实际应用能力，进一步提升了工程落地的实战水平。核心收获：从理论到实践，全面掌握了工作流编排与状态管理的关键技术，为构建高可靠分布式系统打下坚实基础。课后任务核心目标：使用LangGrap