一文详解在智能体开发框架——Langgraph中的执行流程分析，零基础小白收藏这一篇就够了！！

最新推荐文章于 2025-11-30 10:01:19 发布

原创最新推荐文章于 2025-11-30 10:01:19 发布 · 764 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #大模型学习 #大模型入门 #大模型 #AI大模型 #智能体 #LangGraph

前言

“ 智能体的基础是大模型的函数调用，而框架只是对其能力的封装。”

我们首先要明确一个概念，即智能体是基于大模型应用设计的一套机制，其本质是大模型提供的函数调用功能(function call)，包括现在的MCP服务；而框架只是对这些原生能力的封装，便于开发人员进行功能开发，而不用去处理太多细节性问题。

所以，在做大模型开发时，虽然要学好框架的使用，但更重要的是要搞明白智能体的运行机制，已经框架在其上做了哪些完善和增强。

Langgraph框架的运作流程

在Langgraph中的核心概念主要有三个——State(状态)，Nodes(节点)，Edges(边)；其中状态的主要载体是StateGraph状态图，其作用是一个全局变量，用来保存智能体执行过程中的数据；而节点是一个个功能节点，比如说模型节点，工具节点等；而边应该叫做条件边，意思是根据边来判断下一个应该执行哪个节点。

简而言之：节点完成工作，边告诉下一步做什么，而State在节点和边中传递参数。

因此，Langgraph开发的智能体是一个基于节点和边为主体的整体，而其有两个特殊节点——start开始节点和end结束节点；所谓的开始节点是只智能体的入口，而结束节点是智能体的终止节点，其它节点则都属于功能节点。

在我们开发一个智能体的过程中，首先我们要指定开始节点和结束节点，然后再根据功能需求填充功能节点。

如下，添加节点和边，并编译图：

其中节点的执行过程是顺序的以及并行的，顺序的是指一个节点执行完毕之后，并把执行结果保存到State中；然后根据边再执行下一个节点或多个节点；之所以又是并行的原因是因为，一个节点执行完成之后可以根据边执行一个或多个下一个节点。

这里说起来可能有点绕，但Langgraph中确实支持多节点执行。

边定义了逻辑如何路由以及图如何决定停止。这是代理工作以及不同节点如何相互通信的重要组成部分

在Langgraph中边有多种类型，主要包括以下几种：

普通边：直接从一个节点到下一个节点。
条件边：调用一个函数来确定接下来要前往哪个（或哪些）节点。
入口点：当用户输入到达时，首先调用哪个节点。
条件入口点：调用一个函数来确定当用户输入到达时，首先调用哪个（或哪些）节点。

一个节点可以有多个出边。如果一个节点有多个出边，所有这些目标节点将在下一个超级步骤中并行执行，这就是可以多节点执行的原因。

Langgraph之所以强大的原因，还在于StateGraph状态图中，原因是因为在状态图中可以保存节点执行的所有中间结果；这样当智能体由于某种原因被迫中断时，依然可以根据状态图中的执行结果，随时恢复到当时的运行状态。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

在这里插入图片描述

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。
在这里插入图片描述
最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。