智能体编排：从链式到图式

“先检索、再分析、后写作”——这是链式编排，线性、好理解、但死板。真实任务不是线性的：有的分支要并行、有的要条件跳转、有的要回退重试。图式编排（DAG）是复杂 Agent 任务的答案。

一、链式编排：够用但死板

问题：

适用：流程固定的任务（面试流程：开场→提问→评分）。

二、图式编排：DAG（有向无环图）

核心概念：

概念	作用
节点（Node）	一个任务单元（检索/分析/写作）
边（Edge）	依赖关系（B 依赖 A 的结果）
条件边	满足条件才走（审校通过 → 交付）
并行	无依赖的节点同时跑
循环（可）	重试/回退（审校不过 → 重写）

三、实现：LangGraph 模式

LangGraph 是图式编排的代表实现，核心概念：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26


from langgraph.graph import StateGraph

# 1. 定义状态（节点之间传什么）
class TaskState(TypedDict):
    question: str
    search_results: list
    draft: str
    reviewed: bool

# 2. 定义节点（每个节点一个函数）
def search(state):           # 检索
    return {"search_results": search_engine(state["question"])}
def write(state):            # 写作
    return {"draft": llm.write(state)}
def review(state):           # 审校
    return {"reviewed": check(state["draft"])}

# 3. 定义图（节点 + 边 + 条件）
graph = StateGraph(TaskState)
graph.add_node("search", search)
graph.add_node("write", write)
graph.add_node("review", review)
graph.add_edge("search", "write")
graph.add_conditional_edge("review",        # 条件边
    lambda s: "done" if s["reviewed"] else "write",  # 不过就回去重写
    {"done": END, "write": "write"})

状态（State）是图式编排的灵魂：

四、从链式到图式的演进路径

别一上来就画大图（复杂图 = 难调试 = 难维护）：

我的实践路径：

关键认知：状态机是"受限的图"，图是"泛化的状态机"。 大部分生产场景状态机就够——图留给真复杂的（多 Agent 协作、多阶段生成）。

五、图式编排的工程要点

1. 状态持久化

1
2
3
4
5


# 图执行到一半挂了 → 能从断点恢复
graph = StateGraph(TaskState)
app = graph.compile(checkpointer=MemorySaver())  # 持久化状态
# 恢复：传 thread_id，从上次中断继续
app.invoke({"question": q}, config={"thread_id": "s-001"})

价值：长任务（分钟级）中途失败不用从头跑。

2. 中断与人工介入

3. 可观测

4. 超时与重试

六、选型决策

需求	方案
固定流程	状态机（手写，可控）
少量分支 + 并行	简单编排（LangGraph 轻量用）
复杂多 Agent + 循环 + 人工介入	LangGraph / 自研 DAG
纯 LLM 调用链	链式 + 函数调用就够

不要为编排而编排：单 Agent + 工具调用能解决的，别上 DAG——图式编排的成本是调试复杂度。

七、踩坑记录

状态字段随意增删：节点间契约不稳定 → 状态定义版本化，节点只读写声明字段
图太深：10+ 层嵌套，一个节点错全链路错 → 深度 ≤ 5，中间节点可观测
循环失控：审校不过无限重写 → 重试次数上限 + 降级路径
并行过度：10 个节点全并行 → token 和延迟爆炸 → 并行只给真正独立的

总结

图式编排的核心认知：

链式 → 条件 → 并行 → 图：逐步演进，别一步到位
状态是灵魂：节点间通过状态契约协作
状态机是受限图：大部分生产场景状态机够用
工程四件套：持久化、人工介入、可观测、超时重试

编排的终点不是"图越复杂越好"，是"任务的真实结构被准确表达"。 线性任务用链，复杂任务用图——表达对了，Agent 才可控。

智能体编排：从链式到图式#

一、链式编排：够用但死板#

二、图式编排：DAG（有向无环图）#

三、实现：LangGraph 模式#

四、从链式到图式的演进路径#

五、图式编排的工程要点#

1. 状态持久化#

2. 中断与人工介入#

3. 可观测#

4. 超时与重试#

六、选型决策#

七、踩坑记录#

总结#

📚 相关阅读