LangChain 与 LangGraph:状态更新、暂停恢复和副作用边界
用真实无模型LangGraph程序运行子图、reducer和人工中断,解释checkpoint能恢复什么以及不能保证什么。
一个客服流程需要先准备请求,再等待人工决定,最后执行或跳过。普通函数调用能表达顺序,却很难在用户几小时后回来时继续;把整个调用栈一直挂着也不合适。LangGraph把执行位置与状态显式化,LangChain则提供模型、消息、工具与Agent的较高层组合。两者可以协作,但LangGraph节点也可以完全没有模型。
StateGraph的状态、节点和边
State是某一次运行的共享数据结构;node读取状态并返回局部更新;edge决定接下来运行哪个节点。编译后的图负责推进执行与应用更新。节点可以是检索函数、模型调用、工具执行器或子图。模型返回工具请求后仍需要把请求交给执行节点,不能把工具schema绑定到模型就理解为工具已经执行。
状态字段没有reducer时,更新一般按覆盖语义处理;并发分支写同一字段时必须明确合并策略。列表追加可用 Annotated[list[str], operator.add],但重放同一事件会重复追加;带稳定消息ID的历史需要按ID更新,而不是无条件拼接。加法通常可结合,字符串拼接不满足交换律,节点并行完成顺序变化可能改变记录次序,不能把它当业务先后顺序。
checkpoint、thread和store并不相同
checkpointer在执行过程中保存状态快照。调用时的thread_id用于定位同一线程历史,新的thread_id不会自动延续旧线程。thread_id必须由应用在认证与租户检查之后确定,不能让任意用户拿着他人的ID恢复流程。
InMemorySaver适合本机实验,进程退出后数据丢失。生产需持久化实现、备份与迁移策略。跨会话长期记忆通常属于store,和线程内checkpoint不是同一生命周期:某次审批是否待办是线程状态,用户偏好可以是跨线程数据。把二者混用会导致清空聊天后仍残留不该保存的敏感动作。
图状态保存成功,不代表外部数据库事务与图checkpoint形成原子提交。若写工具成功后进程在存checkpoint前崩溃,恢复可能重跑节点。应以业务幂等键、事务或outbox约束副作用,并记录操作结果,不能用“有checkpoint”推导出exactly-once。
interrupt恢复会重新进入节点
节点调用interrupt并传出可JSON序列化的待审信息;调用者收到中断后,通过同一thread_id与Command(resume=...)恢复。恢复时会从节点起点重执行,interrupt之前的副作用可能重复。不要把发邮件、扣款等动作放在中断之前,再期待运行时保存了任意Python指令位置。
审批应绑定操作摘要、参数版本、审批人和有效期。代码中用bool只演示分支;真实场景不能把客户端发来的true当作已授权。审批期间账户余额、资源权限可能改变,执行前还需重新核验。拒绝应产生明确结束状态,而不是让模型重新生成同一个待审请求无限循环。
子图适合封装可复用工作,例如证据准备。共享状态键可直接传播;不同schema通常需要父节点做输入输出映射。注意父子图的reducer:子图若返回含旧历史的完整列表,父图又追加一次,会重复历史。示例子图只产生一次prepared更新,初始化log为空,避免掩盖这一问题;复杂场景要检查更新增量与完整状态的区别。
跟做:实际框架实验,不调用模型
本例已在Python 3.13、LangGraph 1.2.18、langchain-core 1.7.3运行。可在项目独立虚拟环境安装固定版本:
python -m venv .venv-langgraphWindows执行 .venv-langgraph\Scripts\python -m pip install langgraph==1.2.18 langchain-core==1.7.3;macOS/Linux把解释器路径换成 .venv-langgraph/bin/python。保存文件后,用同一环境的python运行 langgraph_local.py。不需要API key,没有模型调用,也没有真实写业务数据。依赖版本固定仅用于复现本文,不代表未来升级无需回归。
"""实际 LangGraph 图,无模型、无外部服务;内存 checkpoint 不跨进程。"""
import operator
from typing import Annotated, TypedDict
from langgraph.graph import StateGraph, START, END
from langgraph.checkpoint.memory import InMemorySaver
from langgraph.types import interrupt, Command
class State(TypedDict):
log: Annotated[list[str], operator.add]
approved: bool
def prepare(state):
return {'log': ['prepared']}
def approval(state):
allowed = interrupt({'action': '模拟提交', 'amount': 1200})
if type(allowed) is not bool:
raise ValueError('approval must be bool')
return {'approved': allowed, 'log': ['approved' if allowed else 'rejected']}
def finish(state):
return {'log': ['simulated-write' if state['approved'] else 'skipped']}
def build():
child = StateGraph(State)
child.add_node('prepare', prepare)
child.add_edge(START, 'prepare')
child.add_edge('prepare', END)
graph = StateGraph(State)
graph.add_node('prepare_subgraph', child.compile())
graph.add_node('approval', approval)
graph.add_node('finish', finish)
graph.add_edge(START, 'prepare_subgraph')
graph.add_edge('prepare_subgraph', 'approval')
graph.add_edge('approval', 'finish')
graph.add_edge('finish', END)
return graph.compile(checkpointer=InMemorySaver())
def demo(allowed):
graph = build()
config = {'configurable': {'thread_id': 'lesson-local'}}
paused = graph.invoke({'log': [], 'approved': False}, config)
print('paused:', bool(paused.get('__interrupt__')), 'log:', paused['log'])
result = graph.invoke(Command(resume=allowed), config)
print('resumed:', result['log'])
return result
if __name__ == '__main__':
demo(True)
demo(False)实际输出:
paused: True log: ['prepared']
resumed: ['prepared', 'approved', 'simulated-write']
paused: True log: ['prepared']
resumed: ['prepared', 'rejected', 'skipped']第一段在prepare完成后暂停;恢复true追加approved与simulated-write。第二次新建图并恢复false,结果为rejected与skipped。两次图对象独立,所以示例复用了相同线程字符串;真实服务不要因此跨用户复用线程ID。
将resume改成字符串 'false',类型检查会拒绝,而不是按Python非空字符串真值执行。把checkpointer换成进程内新对象后恢复,就无法找到原来的待审状态。此实验只证明内存图语义,不证明数据库checkpoint持久性,也没有测模型性能。
接入LangChain和排错顺序
LangChain中的模型对象与工具定义可放进图节点;模型工具调用解析、工具输出消息构造和模型下一轮输入必须保持ID配对。升级时先固定消息夹具检查序列化,再检查reducer合并,再测试正常、中断、拒绝、取消、失败恢复。安全上仍需应用提供身份授权、参数验证、预算、脱敏和有副作用动作的幂等。
若恢复重复写入,先看中断前副作用和节点重试;若历史翻倍,检查父子图是否返回完整旧列表;若并行更新报错,核对共享字段合并策略;若恢复到了错误任务,核对thread_id与租户绑定。Graph API、interrupt规则 和 持久化说明 是当前接口依据。
课后练习展开习题收起习题
先独立作答,再展开参考思路。检查自己的解释是否包含机制、条件和反例。
LangGraph解决了什么,哪些安全责任仍在应用?
参考思路与常见误区
它显式组织状态、节点、边和checkpoint恢复;身份、权限、审批有效性、工具参数、业务幂等和费用预算仍需应用设计。
常见误区:有状态图就自动实现安全Agent。
append reducer为什么可能重复历史?
参考思路与常见误区
节点或子图若返回旧列表加新内容,父图再追加就重复旧值;重放同一事件也会重复。需明确增量语义或按稳定ID合并。
常见误区:列表拼接天然具有幂等性。
interrupt恢复后哪段代码会重执行?
参考思路与常见误区
恢复重新进入被中断节点,从节点开头运行,interrupt之前的副作用可能重复;副作用应移出或具备幂等键。
常见误区:以为保存了任意Python指令位置。
thread_id和用户身份是什么关系?
参考思路与常见误区
thread_id定位checkpoint,但不认证用户;应用必须把线程归属绑定租户和身份后才允许读取或恢复。
常见误区:知道线程ID就有权审批任务。
InMemorySaver能验证哪些事情?
参考思路与常见误区
可验证当前进程图状态、暂停和恢复路径;不能证明跨进程持久化、备份恢复或外部操作exactly-once。
常见误区:把内存实验当数据库容灾证明。