Python LangGraph：构建可恢复 Agent 工作流

LangGraph 适合把长运行 Agent 表达成带持久状态与条件边的图。

问题背景

生成式模型擅长处理模糊语言和提出候选方案，却不天然保证状态一致、权限正确或动作可恢复。讨论“Python LangGraph：构建可恢复 Agent 工作流”时，重点不应只是跑通演示，而是系统失败后是否知道发生了什么、能否安全继续，以及结果能否重复验证。

设计方案

状态类型化，节点小而可重试，检查点绑定会话，危险节点前中断。

在“LangGraph 状态图”进入实现前，先标注输入来源、调用身份和数据等级；输出通过结构与领域校验后才允许进入下一步。涉及外部副作用时，执行记录必须包含稳定业务键和脱敏证据。

实施产物：LangGraph 状态图

先定义 TypedDict 状态和 reducer；节点只返回状态增量；副作用节点使用幂等键；持久化器按 thread_id 保存检查点。先在测试环境保存一条完整运行证据，再接入真实写操作；每次变更都必须能定位到配置、代码和数据版本。

@dataclass(frozen=True)
class PythonLanggraphPolicy:
    timeout_s: int = 30
    max_attempts: int = 2

async def python_langgraph(request, policy):
    async with asyncio.timeout(policy.timeout_s):
        return await execute_validated(request)

示例只表达边界，不是可直接复制的完整框架配置。落地时应使用当前依赖版本的官方 API，并把超时、身份和审计接到现有基础设施。

实施步骤

选一个可回放的小任务，写清输入、成功条件和禁止发生的副作用。
实现“LangGraph 状态图”，把模型建议与真正执行隔离。
人工走通成功、拒绝和恢复三条路径，保存 run_id 与关键事件。
加入自动化回归，再用小比例非关键流量观察指标。
达到门槛后逐步放量；任一安全约束失败立即停止新任务并回退版本。

失败演练与验收

首要反例是：节点原地修改共享对象，重放结果不一致。不要只验证顺利完成；还要注入超时、重复请求、取消、无权限输入和依赖返回畸形数据。

本篇的硬性验收是：在每个节点中断并恢复，最终状态和副作用数量一致。同时记录 恢复率、节点失败率、重复动作数。验收脚本应按结构化字段判定，不以“回答看起来合理”代替测试。

上线与回滚

“LangGraph 状态图”上线前要固定模型、提示、规则、工具 schema 与数据版本，并用影子或灰度流量比较旧版。若 恢复率、节点失败率、重复动作数 越过门槛，先停止新 Run，再处理在途任务，恢复旧组合后逐项核对未决副作用。

适用边界

当场景是“单轮无状态调用”时，这套设计的维护成本通常高于收益。权限、金额、删除和一致性约束始终交给确定性代码，不能交给模型自行判断。

节点设计围绕可重放性

节点类型	状态增量	恢复策略
纯规划	proposal、reason	可重算但固定版本
读取工具	evidence ref	资源未变可复用
审批	approval token	过期则重新审批
写工具	action_id、result status	unknown 先 reconcile
汇总	verified result	依赖摘要一致可复用

State 只保存可序列化值与受控引用，节点返回增量而非原地修改共享对象。reducer 必须结合律明确，尤其并行分支合并不能依赖完成顺序。thread_id 标识会话，run/attempt 与业务 action_id 另行区分，避免恢复新尝试时重复副作用。

interrupt 前把待批准计划和 target snapshot 持久化；resume 时验证 approval hash、资源版本与图版本。图拓扑升级时旧 checkpoint 固定旧图或经过显式迁移，不能用新版节点名称强行恢复。

测试从每个节点前后中断、重复 resume、两个恢复者竞争和并行分支乱序。最终状态摘要、事件序列不变量与外部动作数一致；可视化图能帮助理解，但真正验收依靠 checkpoint 和副作用证据。

第二轮实践复核

围绕“LangGraph 状态图”建立一个不接触生产数据的最小项目，固定运行时、框架、模型、提示、规则和工具 schema 版本。正文代码块若缺少完整依赖、导入或领域类型，应视为架构伪代码；只有放入示例仓库并通过下述命令的代码才标记为可运行。

项目验证：python -m pytest -q
回归夹具：把输入、结构化输出、工具轨迹和副作用记录为 JSON，用固定版本执行正常、拒绝、超时、取消与重复请求五组回归样本。
必留证据：run_id、版本组合、终止原因、动作幂等键，以及 恢复率、节点失败率、重复动作数。
通过条件：未批准写操作为零副作用；相同幂等键重复执行只产生一个业务结果；超时或恢复后状态可解释。
失败处理：先停新任务，再核对在途动作；回滚模型、提示、规则、工具与状态迁移的完整组合，不能只换回模型。

复用顺序

为“Python LangGraph：构建可恢复 Agent 工作流”建立确定性假工具，先跑契约与失败用例，不接触真实凭据。
围绕“LangGraph 状态图”接入只读能力，核对权限裁剪、脱敏字段和 Trace 完整性。
需要写能力时先输出 dry-run 差异，再绑定审批结果与一次性动作哈希。
以本文验收指标比较影子流量；达到门槛才放量，越线立即执行文中的组合回滚。

实践与资料复核日期：2026-08-22；框架 API 以锁定版本的官方文档为准。

参考资料

官方文档

框架 API 会持续演进，复制示例前应再次确认当前版本。可持续的 AI 工程不依赖某个模型偶尔表现出色，而依赖清晰契约、可靠 Harness 与可重复验证。