StateGraph 状态图 — LangGraph 核心引擎

LangGraph 的核心是 StateGraph——一个有状态、带条件分支的图执行引擎。与 LCEL 的固定流水线不同，StateGraph 支持循环和复杂路由。

为什么需要状态图？

LCEL 链是直线流水线——数据从 A 到 B 到 C，一路到底。

但 Agent 的工作流不是线性的——它可能需要循环（思考→行动→观察→再思考）、条件分支（是调用工具还是直接回答）、并行执行等。

StateGraph 就是为了解决这个问题而生的。

核心概念

State（状态）→ Node（节点）→ Edge（边）→ Conditional Edge（条件边）

• State：应用状态，所有节点共享读写
• Node：处理节点，接收 State 返回更新
• Edge：固定连接，A 执行完后到 B
• Conditional Edge：条件路由，根据 State 动态决定下一步

构建你的第一个图形

from typing import TypedDict, Literal
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage

llm = ChatOpenAI(
    model="deepseek-v4-flash",
    api_key="sk-你的密钥",
    base_url="https://dualseason.com/v1"
)

# 1. 定义状态
class AgentState(TypedDict):
    input: str
    reasoning: str
    answer: str
    steps: int

# 2. 定义节点
def reason_node(state: AgentState) -> dict:
    prompt = f"分析以下问题，给出解决思路: {state['input']}"
    resp = llm.invoke([HumanMessage(content=prompt)])
    return {"reasoning": resp.content, "steps": state["steps"] + 1}

def answer_node(state: AgentState) -> dict:
    prompt = f"问题: {state['input']}\n分析: {state['reasoning']}\n请给出最终答案:"
    resp = llm.invoke([HumanMessage(content=prompt)])
    return {"answer": resp.content, "steps": state["steps"] + 1}

# 3. 条件判断
def should_continue(state: AgentState) -> Literal["answer", "reason"]:
    if state["steps"] < 1:
        return "reason"  # 继续分析
    return "answer"      # 给出答案

# 4. 构建图
workflow = StateGraph(AgentState)
workflow.add_node("reason", reason_node)
workflow.add_node("answer", answer_node)
workflow.set_entry_point("reason")
workflow.add_conditional_edges("reason", should_continue)
workflow.add_edge("answer", END)

app = workflow.compile()

# 5. 运行
result = app.invoke({
    "input": "解释量子计算的基本原理",
    "reasoning": "",
    "answer": "",
    "steps": 0
})

print(f"推理: {result['reasoning']}")
print(f"答案: {result['answer']}")

与 LCEL 的区别

特性	LCEL	StateGraph
数据流	直线管道	图结构
状态管理	无（每次重新计算）	共享状态
循环	不支持	原生支持
条件分支	不支持	Conditional Edge
适用场景	简单流水线	Agent 循环、复杂编排

小结

StateGraph 是构建 Agent 的基础。有了状态管理和条件路由，我们可以实现真正的 ReAct 循环。下一章将用 StateGraph 实现一个完整的 ReAct Agent。