Skip to content

LangGraph 教程 · 课程导学 ​

本课程共 14 章,基于 2026-09-17 核验的 Python 官方文档编写,是原创教学整理而非官方文档的完整镜像。

LangGraph 负责显式状态与执行控制;Deep Agents 在其上提供文件工具、上下文管理和委派能力。基础机制先在本课程学习,再到 Agent 工程实战 组合成生产服务。

先修:Python 函数、类型注解、虚拟环境。推荐 Python 3.11+。纯图示例不调用模型;模型示例需要自备支持工具调用的模型服务(任意 OpenAI 兼容端点),可能产生费用。所有代码中的凭据来自环境变量。

环境与版本边界 ​

bash
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -U langgraph
python -m pip freeze > requirements.lock.txt

LangGraph 的 v2 流式格式要求 1.1+;当前文档另推荐 1.2 引入的事件流。Deep Agents 文档已描述 0.7 的行为:规划需要显式启用。不要把官网文档版本与本机安装版本混为一谈;运行前用 python -m pip show langgraph deepagents 检查,保留锁定文件。

章节路线 ​

  1. 先运行一张没有模型的图
  2. 状态、Reducer 与并发合并
  3. 条件路由与有界循环
  4. 消息状态与工具调用闭环
  5. 检查点、线程与跨会话记忆
  6. 人工审批、中断与恢复
  7. 流式输出与前端事件协议
  8. 子图与明确的输入输出边界
  9. Functional API 与任务重放
  10. 容错、重试与幂等性
  11. 测试状态转移与回归边界
  12. 综合实战:有证据的本地问答图
  13. 综合实战二:多智能体工单路由
  14. 综合实战三:容错、审批与恢复