LangGraph 入门：轻松构建可视化工作流，解锁状态图编程新体验

一、先搞懂：LangGraph 核心概念与核心特点

1. 核心基础概念

• 状态（State）：整个工作流的「数据载体」，相当于流程的共享内存，所有节点都可以读取、修改状态中的数据，流程的执行结果、中间参数都存储在状态里，是流程流转的核心依据。
• 节点（Node）：工作流的「执行单元」，每个节点对应一个具体的功能函数，负责处理状态数据、执行业务逻辑，是流程中真正干活的模块。
• 边（Edge）：工作流的「连接桥梁」，定义节点之间的执行顺序，指定流程从哪个节点开始、到哪个节点结束，也支持后续扩展分支判断、循环流转。
• 起始点（START）/ 结束点（END）：流程的固定入口和出口，明确工作流的执行边界。

2. 核心优势特点

1. 状态持久化：全程维护共享状态，无需手动传递参数，解决多步骤流程的数据传递难题；
2. 模块化设计：流程拆解为独立节点，代码解耦、易复用、易维护，符合开发最佳实践；
3. 可视化能力：内置可视化工具，一键生成流程拓扑图，清晰展示执行路径，调试更高效；
4. 灵活扩展性：支持分支判断、循环、并行执行等复杂流程，适配各类大模型应用场景；
5. 生态兼容：无缝对接 LangChain 生态，可直接集成大模型、工具调用、记忆模块等能力。

二、极简实现：快速搭建一个可视化工作流

1. 定义核心执行节点

2. 构建状态图工作流

3. 编译与可视化验证

三、实践总结

from langgraph.graph import StateGraph, START, END

def decision_node(state):
    state["output"] = "可视化成功"
    return state

graph = StateGraph(dict)
graph.add_node("decision", decision_node)
graph.add_edge(START, "decision")
graph.add_edge("decision", END)
runnable1 = graph.compile()

#画图
print(runnable1.get_graph().draw_ascii())