LangGraph 是由 LangChain 團隊開發的 Python 框架，專門用來設計和執行「狀態導向」與「基於圖形」的 AI 工作流。它的核心概念是把每個步驟（Node）和流程控制（Edge）用圖形方式串接起來，讓你可以像畫流程圖一樣，組裝複雜的 AI 任務、代理人（Agent）協作，甚至多步驟自動化決策。這種設計特別適合需要多步驟、分支、循環、錯誤復原等情境，例如對話機器人、內容自動生成、資料處理等。

與 LangChain 的關係

LangGraph 是 LangChain 生態系的延伸，兩者高度相容。你可以直接用 LangChain 的工具、LLM 介接、資料庫等模組，然後用 LangGraph 把它們組裝成更靈活、可追蹤的流程。

LangGraph 的核心概念

• State（狀態）：像一個隨流程傳遞的「變數表」，每個節點都能讀取和更新 State，讓資訊能跨步驟保存與同步。
• Node（節點）：每個節點就是一個任務單元（通常是一個 Python function），負責處理特定工作，例如呼叫 LLM、查詢資料、處理輸入等。
• Edge（邊）：定義節點之間的流程走向，可以是單向、分支、甚至循環，讓流程更靈活。
• Cyclical Graph（循環圖）：支援流程中的循環與分支，讓 AI 可以自我檢查、反覆優化，遠比傳統單向 DAG 更適合複雜應用。
• 自動狀態管理：State 可以用 TypedDict 或 Pydantic BaseModel 定義，方便型別檢查與維護。
• 持久執行與中斷恢復：流程可以自動儲存進度，遇到中斷時能從上次狀態繼續執行，適合長時間運行的 AI 任務。