Langchain[5]-LangGraph:从“Hello word“到复杂Agent工作流状态机，实现状态持久化与时光回溯

Agent工作流状态机下的Hello World演示与高级功能（持久化、回溯）

1. LangGraph简介

LangGraph是一个Python库，用于使用基于图的状态机构建复杂、可扩展的AI代理系统。它通过将代理工作流建模为状态机来提供可靠性和容错能力，支持长时间或容易出错的工作负载。

图计算是一种表示对象以及其关系的计算模式，LangGraph在谷歌的Pregel项目基础上，发布了LangGraph，通过图计算方式让Agent具备状态，并可以构建复杂的工作流以及多角色Agents。
LangGraph的学习有一定的学习曲线，首先得十分了解langchain的基础，然后还要对状态机有一定的理解

关键要素：

• State：状态机状态，任何python类型
• Nodes：Agent的逻辑函数，操作State
• Edges：控制流规则，条件分支或者固定转换

1. LangGraph的优势

   • 循环支持：LangGraph允许用户定义涉及循环的流程，这在构建需要持续反馈和迭代的应用程序中至关重要。这种循环支持使得LangGraph特别适用于模拟类似代理的行为，这在LangChain中可能不那么直接支持。
   • 细粒度控制：为用户提供了对应用程序流程和状态的细粒度控制。这种控制能力使得开发者能够构建