基于LangGraph的图式智能体AI：长时有状态业务流程的工作流路径

本文是一篇实践者指南，介绍业务流程中长时、有状态、多步骤生成式AI系统的图式工作流路径。我们不是把LangGraph——一个面向有状态智能体的底层编排框架——当作模型质量基准的靶子，而是给出三个可执行配方：带修复循环的SQL分析、带证据门控的智能体检索增强生成、以及带中断与检查点恢复的人机回路策略评审——以展示类型化状态、条件路由、确定性工具、重试、中断、检查点与追踪如何协同。LangGraph按工作流复杂度适配定位，而非通用默认：基础工具用更简单的ReAct式或纯SDK循环可能更好；结构化抽取与验证用模式优先工具；提示或程序优化为主要目标时用DSPy。每个配方说明何时值得为LangGraph付出额外结构，以及哪些实现模式使路由、暂停与审计轨迹成为显式的产品行为而非隐藏的提示逻辑。