目录

LangGraph要解决的根本问题

LLM是无状态的，但真实任务是有状态的

 Agent的行为本质不是线性的

控制逻辑不能藏在Prompt里

LangGraph的核心抽象

为什么State是LangGraph的核心

State是唯一的真相源

Node 只能返回“状态增量”

Graph为什么一定要是显式图

Edge 本质是状态转移规则

        普通边（确定执行）

        条件边（状态驱动）

LangGraph是数据驱动的状态机

为什么必须Compile

为什么END是显式的

从ReAct反推：Agent天然是Graph

总结

---

        在LLM应用早期，Agent=Prompt+循环。
        随着任务复杂度上升，这种方式很快暴露出问题：不可控、不可调试、不可复用。

        LangGraph的出现，并不是为了“换一种写法”，而是
        从底层抽象上，重构了LLM工作流的组织方式。

        本文将从设计动机 → 抽象模型 → 图构建原理三个层面，系统讲清楚：
        LangGraph的图到底是什么，以及为什么必须这样构建。

LangGraph要解决的根本问题

LLM是无状态的，但真实任务是有状态的

        LLM的计算模型是：

Input → Output

        而真实任务是：

输入
 ↓
中间推理
 ↓
工具调用
 ↓
结果判断
 ↓
是否继续？

        如果把这些都塞进Prompt，就会导致：

• Prompt无限膨胀
• 状态不可持久化
• 无法中断 / 回放 / 调试

        LangGraph的第一性原则：状态必须存在于LLM之外

---

 Agent的行为本质不是线性的

        传统Pipeline假设：

A → B → C → END

        而Agent的真实形态是：

• 判断
• 分支
• 回环
• 不确定何时结束

        例如ReAct：

Thought → Action → Observation
      ↖───────────────┘

        这是一个循环图，而不是线性流程。

---

控制逻辑不能藏在Prompt里

        Prompt内部的控制逻辑有致命问题：

• 不可视化
• 不可审计
• 不可复用
• 不可外部干预

        LangGraph的核心立场是：控制流属于系统，而不是模型

---

LangGraph的核心抽象

        LangGraph并没有引入复杂的新概念，它只做了三件事的明确分离：

抽象	含义
State	系统的真实状态
Node	对状态的纯计算
Edge	状态驱动的执行路径

---

为什么State是LangGraph的核心

State是唯一的真相源

        在LangGraph中：

• Prompt只是State的一种投影
• 工具结果写回State
• 是否结束由State决定

        一个典型State结构：

State = {
    "messages": [],
    "tool_results": [],
    "step": 0,
    "done": False
}

        这意味着：

• 状态可序列化
• 状态可持久化
• 状态可回放

        系统的行为可以被完整复现。

---

Node 只能返回“状态增量”

        LangGraph要求：

node(state) → partial_state_update

        禁止在Node中直接修改State，否则会破坏可回放性与确定性。

        这样设计是为了：

• 可预测性（相同State→ 相同结果）
• 支持中断恢复
• 支持未来分布式执行

        从抽象上看：

• Node≈纯函数
• State≈上下文快照

---

Graph为什么一定要是显式图

Edge本质是状态转移规则

        LangGraph中有两类边：

        普通边（确定执行）

A → B

        表示逻辑与状态无关，执行路径是确定的。

---

        条件边（状态驱动）

A → (条件判断) → B / C / END

        判断函数本质是：

State → NextNode

        这在抽象层面等价于有限状态机（FSM）。

---

LangGraph是数据驱动的状态机

        对照来看：

状态机	LangGraph
状态	State
动作	Node
转移条件	Conditional Edge
终止态	END

        LangGraph≠简单流程图，而是结构化状态机。

---

为什么必须Compile

        在构建Graph后，必须调用Compile：

graph = builder.compile()

        这一步完成了：

1. 拓扑合法性校验
2. 路径完整性校验
3. 从“描述”到“可执行体”的转换

        没有Compile，Graph只是配置，不是系统。

---

为什么END是显式的

        LangGraph不允许“自然结束”。

        原因只有一个：Agent不能靠“我觉得差不多了”来结束。

        显式END带来的能力包括：

• 可控终止
• 可审计
• 可与UI/调度系统同步

---

从ReAct反推：Agent天然是Graph

        经典Agent循环：

Thought → Action → Observation → 判断是否完成

        拆解后可以发现：

• 每一步都在修改State
• 是否继续由State决定
• 行为存在回环

        这本质上就是一个图结构。

---

总结

LangGraph不是让模型更聪明，而是让系统更理性。

• State把“记忆”从Prompt中解放出来

• Graph把“流程”从模型中解耦出来

• Agent从黑盒，变成可控的状态机