LangGraph
LangGraph是一个用于构建有状态、多智能体（Multi-Agent）应用程序的开发框架，基于LangChain生态构建。它以图结构（节点与边）为核心抽象，支持定义复杂的智能体工作流、循环逻辑与条件分支，适用于构建需要多步骤推理、工具调用和多智能体协作的AI应用场景。
Core Facts
Timeline (last 90 days)
在LangGraph中，人类的响应会成为interrupt()的返回值
一位开发者在Reddit上分享了用LangGraph实现Human-in-the-Loop的实践示例，该示例没有接入真实LLM也没有调用真正的邮件API
条件路由是LangGraph中通过add_conditional_edges方法实现的边类型，根据路由函数返回值动态决定下一步走向
人类决策通过Command({resume: ...})注入回LangGraph图中
thread_id相当于一次对话或任务的唯一标识，本质上是命名空间隔离机制，确保不同用户的任务流互不干扰
MemorySaver是LangGraph提供的检查点保存器的一种实现，将状态保存在内存中，主要用于开发和测试阶段
如果做快速验证原型可直接用Deep Agents高层封装，如果要做产品化定制则需深入LangGraph以获得对流程的完全掌控
推荐学习路径为先学中间层LangChain建立整体认知，再深入底层LangGraph理解原理，最后学习高层封装Deep Agents
Deep Agents封装了LangChain框架，而LangChain又封装了LangGraph框架，构成三层结构
开源框架如LangGraph、CrewAI提供多Agent协作能力
40 more timeline events
All Facts (20)
LangGraph通过内置的Checkpointer机制支持将图执行的每一步状态快照持久化，实现断点续跑能力
90%Verified目前主流的AI Agent框架包括LangChain、AutoGen、CrewAI等
90%Verified2023年以来，AutoGPT、MetaGPT、CrewAI等多智能体框架相继出现
90%VerifiedLangGraph将Agent工作流抽象为有向图，每个节点代表一个Agent或处理步骤，边代表状态流转条件
90%Verified多智能体（Multi-Agent）架构的典型框架包括微软的AutoGen、CrewAI、LangGraph等
80%Verified多Agent协作领域的代表性框架包括AutoGen、CrewAI、LangGraph等
80%VerifiedLangChain的生态系统包含LangChain Core、LangChain Community、LangGraph和LangSmith四大组件
80%VerifiedLangGraph是LangChain团队推出的进阶框架，专为构建有状态、多步骤的Agent工作流而设计
80%VerifiedLangGraph基于有向图的状态机模型，提供更精细的流程控制能力
80%VerifiedLangGraph支持带状态的循环图（Cyclic Graph），区别于纯DAG，这对需要反复迭代的Agent推理循环至关重要
75%VerifiedSpring AI Alibaba 的 Graph 框架类似 Python 生态中的 LangGraph，支持节点（Node）、状态（State）、边（Edge）等核心概念
75%VerifiedAutoGPT、CrewAI、MetaGPT等开源项目在探索多Agent协作框架，但更偏向任务导向
70%VerifiedLangChain推出了LangGraph作为底层图计算引擎，支持有状态的、可循环的Agent工作流
70%VerifiedLangChain 生态存在三层结构：底层 LangGraph、中间层 LangChain、最上层 DeepAgents
65%Verified编排者+执行器是多智能体系统的经典分工模式，被 AutoGPT、CrewAI、LangGraph 等框架广泛采用
65%VerifiedDeepAgent是LangChain与LangGraph生态中高度封装的模块，是Harness架构思想的一种具体实现
65%VerifiedLangGraph用于构建有状态的多步骤智能体工作流
65%VerifiedCrewAI专注于多Agent协作
65%VerifiedLangGraph的核心抽象包括节点（Node）、边（Edge）和状态（State），状态在节点间流转并被持久化，使系统具备记忆能力和断点续跑特性
65%UnverifiedMicrosoft的AutoGen、CrewAI和LangGraph是允许开发者定义多个不同角色AI智能体协作的框架
90%