LangGraph

LangChain 团队出品的底层编排运行时：用状态图构建、管理并部署长时、有状态的 Agent 与工作流。

它是做什么的

官方定位：low-level orchestration framework and runtime，专注 Agent 编排能力——durable execution（持久执行）、流式、人机协同（HITL）、记忆与面向生产的部署。用 State + Nodes + Edges（如 StateGraph）描述行为：节点执行逻辑并更新状态，边决定下一步。LangGraph 不替你抽象提示词或固定 Agent 架构；文档常配合 LangChain 组件接模型与工具，但可以不依赖 LangChain 单独使用。

若刚入门 Agent 或只需常见「模型 + 工具循环」，官方建议先用 LangChain 的预置 Agent；需要精细控制图结构与长时状态时再用 LangGraph。

语言生态：Python、JavaScript/TypeScript。
典型场景：长时有状态 Agent、确定性步骤与智能体步骤混合、检查点恢复、人工审批介入的流程。适合把「可控工作流」当作一等公民来设计。

要点

• 生态分工（官方）：LangChain = Agent 框架（抽象与集成，Agent 建在 LangGraph 上）；LangGraph = 编排运行时；Deep Agents = 更高层 harness；LangSmith = 追踪/评估/部署平台。
• 核心收益：失败可恢复的长跑、任意点检查与改状态（HITL）、短时工作记忆与跨会话长时记忆、配合 LangSmith 的路径与状态可视化。
• 图 API：支持序列、分支、循环、Send（map-reduce）等；状态常用 TypedDict / 带 reducer 的更新语义。
• 与 LangChain 关系一句话：简单 Agent 向上用 LangChain；要「可控的状态机 + Agent」向下用 LangGraph。

适合谁

• 需要可靠长跑、可恢复、可人工介入的 Agent 系统
• 已用或准备用 LangChain 生态，但高层 Agent API 表达力不够
• 要把确定性业务步骤与 LLM 决策步骤画在同一张图上的团队

官方入口

• LangGraph 概览
• Quickstart
• JS/TS
• GitHub

建议怎么用

先理解 State / Node / Edge，跑通官方最小图并 compile() + invoke()；再引入真实模型与工具（可用 LangChain 集成）。生产务必配置检查点（persistence）并打开 LangSmith 追踪。若只是单轮工具循环，可先看 LangChain，确认不够用再下沉到本页能力，避免过早复杂化。图 API 与 durable execution 章节建议作为进阶必读。