LangGraph图模式示例与解析

下面示例学习LangGraph图模式，目的是用 LangGraph 构建一个“有清晰边界的状态流”。

代码取自《AI Agent智能体开发实践》第3章。

from langgraph.constants import START
from langgraph.graph import StateGraph
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END

class InputState(TypedDict):
    user_input: str

class OutputState(TypedDict):
    graph_output: str

class OverallState(TypedDict):
    foo: str
    user_input: str
    graph_output: str

class PrivateState(TypedDict):
    bar: str

def node_1(state: InputState) -> OverallState:
    # Write to OverallState
    return {"foo": state["user_input"] + " name"}

def node_2(state: OverallState) -> PrivateState:
    # Read from OverallState, write to PrivateState
    return {"bar": state["foo"] + " is"}

def node_3(state: PrivateState) -> OutputState:
    # Read from PrivateState, write to OutputState
    return {"graph_output": state["bar"] + " Lance"}

builder = StateGraph(OverallState,input_schema=InputState,output_schema=OutputState)
builder.add_node("node_1", node_1)
builder.add_node("node_2", node_2)
builder.add_node("node_3", node_3)
builder.add_edge(START, "node_1")
builder.add_edge("node_1", "node_2")
builder.add_edge("node_2", "node_3")
builder.add_edge("node_3", END)

graph = builder.compile()
result = graph.invoke({"user_input":"My"})
#{'graph_output': 'My name is Lance'}

print(result)

示例执行结果如下

C:\Users\xiayu\miniconda3\envs\langchain03\python.exe "C:\Users\xiayu\PyCharmMiscProject\LangChain官方示例代码学习\LangGraph 框架\图模式.py" 
{'graph_output': 'My name is Lance'}

Process finished with exit code 0

示例展示了一个 带输入/输出 schema 的 LangGraph

• 输入：{"user_input": "My"}

• 中间状态：OverallState

• 私有状态：PrivateState（只在部分节点可见）

• 最终输出：{"graph_output": "My name is Lance"}

这个示例想教会你什么？（设计意图）

这是 LangGraph 的 “最佳实践模板”：

错误做法 ❌	本示例 ✅
所有节点共用一个巨型 State	分层 State
输入输出无约束	强 Schema
节点随意读写	明确读写边界
图结果不可预测	输出固定

---

一句话总结

**这个示例的目的是：

教你如何用 LangGraph 构建一个“输入可控、输出可控、状态分层、节点解耦”的可维护图结构。**

它不是为了“算字符串”，而是为了展示 LangGraph 的状态治理模型。