智能体框架LangGraphGo工作流学习

发布时间: 2026-06-29

前言

最近不是流行FSE和FDE了吗，补一下智能体开发相关的知识，本来打算去玩玩dify或者n8n，后来经过仔细的了解后发现也就是拖拖拖，然后开发一些工具给它调用，就觉得反正都是学习，就学点最直接的，学LangChain吧，然后又了解到LangChain+LangGraph开发 智能体的玩法，于是就通过代码的形式初步窥探了一下这两个框架，LangChain的作用是封装好各家ai模型的的调用，不用自己来按照大模型要求的格式去调用了。本次主要是想聊聊LangGraph，它的核心概念非常的简单，但是把智能体编排通过图的概念这么一包装，就变得简单许多了（可能主要是理解容易堵和成本下降了）。

LangGraph基础概念

LangGraph像画一个流程图一样来定义了编排逻辑，分为 状态 、 节点 、 边 ，节点就是一个逻辑节点，比如到了某个步骤该调工具查库还是调用大模型。边的作用是定义每个节点执行后，流转到下一个节点应该是谁。状态则在节点之间起数据共享作用。其中节点+边共同构成了 图，这就是LangGraph的核心流程。

节点

这就是一个节点的定义，本质上来说就是一个函数/方法，执行一段逻辑

workflow.AddNode("node_name", "某某功能节点",func MyNode(ctx context.Context, state MyState) (MyState, error) {
    // 执行逻辑
    return newState, nil
})

边

这是边的定义

// 普通边，a节点执行完执行b节点
workflow.AddEdge("nodeA", "nodeB")
 
// 并行执行a和b节点
workflow.AddEdge("start", "branch_a")
workflow.AddEdge("start", "branch_b")
 
// 条件边，比如如果状态是调用工具，则进入tool节点，否则进入结束节点
workflow.AddConditionalEdge("agent", func(ctx context.Context, state InventoryState) string {
  // 这里就用到了状态，状态是在整个图中共享数据的
  if state.NextAction == "call_tool" {
    return "tools"
  }
  return graph.END
})

基本上核心概念就这几个，做过图功能的人就很好理解node、edge的关系，后面我直接用代码来深入学习一下LangGrahpGo的一些具体应用场景。

实际应用场景

工具调用+条件节点

并行聚合

中断/恢复（人工审批）

会话记忆

数据持久化