LangGraph.js 教程

📚 学习目标

学完本教程后，你将能够：

• 理解 LangGraph.js 的核心抽象：Graph、State、Node、Edge
• 构建一个可运行的 Agent（工具调用 + 循环 + 记忆）
• 用可视化与时间旅行调试复杂工作流
• 把 Demo 推进到可上线：测试、性能与部署路径

前置知识

在开始学习之前，你需要了解：

• JavaScript/TypeScript 基础
• Node.js 基础（环境变量、依赖安装）
• 对 LLM/Prompt 有基本认识（不要求深入）

---

1️⃣ LangGraph.js 是什么？

LangGraph.js 是一个用来构建 有状态（stateful）、多步骤（multi-step）、可分支/可循环 的 AI 应用框架。你可以把它理解为：

• 把 Agent 的“思考-行动-再思考”流程 显式建模成图
• 用清晰的“节点/边”取代难维护的 if-else + callback 地狱
• 天然支持持久化、回放、时间旅行等调试能力

---

2️⃣ 你会在这套教程里学到什么？

本教程按“从能跑到能用”的顺序组织：

1. 入门与基础概念：先把图结构与状态搞清楚
2. 核心组件：节点、边、状态合并（reducer）
3. 架构模式：ReAct、多代理、子图、并行
4. 高级功能：工具调用、流式、持久化、人机交互、时间旅行
5. 常见用例：聊天机器人、RAG、数据分析、编码助手
6. 部署与工程化：平台、项目结构、测试策略

---

3️⃣ 推荐学习路径

如果你是第一次接触 LangGraph.js，推荐按下面顺序：

1. AI 应用与 LangGraph.js
2. 为什么需要 LangGraph？
3. 什么是 LangGraph
4. 核心概念
5. 图结构
6. 工具调用
7. 持久化

---

💡 练习题

1. 选择题：你更想从哪个方向入手？

   • A. 聊天机器人
   • B. RAG 问答
   • C. 编码助手
   • D. 数据分析

2. 实践题：为你选择的方向写一个“交付清单”（最少 5 条），例如：支持工具调用、支持 thread_id 记忆、支持流式输出等。

---

📚 参考资源

官方文档

• LangGraph JS

---

✅ 总结

本教程的核心目标：让你能用工程化的方式构建 AI 工作流，而不是堆 prompt。

下一步：从第一章开始： AI 应用与 LangGraph.js。