图解 LangChain 17｜LangGraph 实战收束：用一个完整 Agent 串起五要素

Phase 2 从第 8 篇开始，讲了为什么需要图、五要素、State、Node/Edge、条件 Edge、Reducer、Checkpoint、HITL、多 Agent。概念拆得很细，但还没看它们怎么合在一个真实 Agent 里。

这一篇做 Phase 2 的实战收束——用一个「带工具的客服 Agent」例子，把五要素全部串起来。看完这篇，你对 LangGraph 的理解就闭环了。

要做的 Agent：能查订单、能回答、能请人审批

假设做一个客服 Agent，需求：

1. 接收用户问题
2. 模型判断：能直接答的直接答；要查订单的去查
3. 查订单时，如果涉及退款（敏感操作），暂停等人审批
4. 工具结果回灌模型，继续判断
5. 满意了输出最终回答

这个例子不大，但把五要素全用上了。

第一步：定义 State

先想清楚这个 Agent 要在节点间传什么：

• messages：对话历史（必须，追加）
• user_query：当前用户问题
• order_info：查到的订单信息

注意 messages 用追加 reducer——第 13 篇强调过，对话历史必须追加，否则记忆断。

第二步：定义 Node

按职责拆分节点（第 11 篇：一个 node 干一件事）：

• 模型节点：调 LLM，判断要不要调工具
• 工具节点：执行查订单工具
• （判断「要不要审批」放条件 edge，不放 node）

第三步：连 Edge（含条件 edge）

这是关键——用条件 edge 做分支（第 12 篇）：

START → 模型节点
模型节点 →[条件: 有工具调用?]→
    有 → 工具节点 →[条件: 涉及退款?]→
            是 → interrupt 暂停 → 人审批 → 回模型节点
            否 → 回模型节点
    没有 → END

这张图把前面学的全用上了：条件 edge 分流、循环（工具回模型）、interrupt 暂停（HITL）。

第四步：编译并挂 Checkpointer

图定义好后，编译时挂上持久化 checkpointer（第 14 篇）：

graph.compile(checkpointer=PostgresSaver(...))

为什么要挂？因为这个 Agent 有 interrupt（等人审批），暂停几小时，内存 checkpointer 早没了。HITL 必须配持久化 checkpointer（第 15 篇）。

跑起来的完整过程

用户问「帮我查下订单 A123 要退款」，Agent 跑起来：

1. super-step 1：进模型节点。模型判断「要查订单」→ 返回工具调用。state 存档。
2. super-step 2：条件 edge 分流到工具节点。查到订单 A123。state 存档。
3. super-step 3：条件 edge 判断「涉及退款」→ interrupt 暂停。state 存档，等审批。
4. （人在前端点「批准」）
5. 恢复：从 checkpoint 续跑，带着批准信息回模型节点。
6. super-step 4：模型节点生成退款说明。条件 edge 判断「没有工具调用」→ END。

这一个过程，把五要素（State/Node/Edge/Reducer/Super-step）+ Checkpoint + HITL 全用上了。这就是一个生产级 Agent 的完整运作。

回顾 Phase 2

这个例子串起了 Phase 2 的全部内容。回顾这 10 篇：

收束：从懂概念到能搭图

这一篇用实战收束了 Phase 2。现在你应该能：看懂任何一张 LangGraph 图，也能把自己的需求拆成 State/Node/Edge，搭出一个能跑的 Agent。

但这套图是手动搭建的——你得自己定义 state、写 node、连 edge。下一篇开始 Phase 3，讲 LangChain 的应用层怎么把这些封装成开箱即用的 Agent：用 create_agent 一行代码搭出标准 Agent，用 middleware 定制它。Phase 3 是「从会搭图到会用封装」的进阶。

关于十三Tech

我是十三，All in AI Agent 方向的架构师，专注 AI 工程实践。我相信 AI 是程序员的最佳搭档。

如果你想跟完这套「图解 LangChain」，欢迎关注公众号 「十三Tech」。全系列 42 篇，会按认识基础、LangGraph 状态机、Agent 与 middleware、RAG 检索、Tools/MCP/记忆、生产化收束这条线更新。