LangGraph.js 智能体编排框架

解决的问题

在 JavaScript / TypeScript 技术栈里搭 Agent 时，常见写法是把所有逻辑塞进一个异步函数：先调一次模型，拿到结果后再临时决定要不要继续、要不要回退、要不要重新规划。随着步骤增多，这套代码很快变成一堆散落的 if/else：执行顺序不透明，中间状态无处落盘，异常路径只能靠手工补。结果是 Agent 行为难以复现，线上出问题时也很难回溯到底哪一步走偏了。

技能如何工作

这个技能围绕 LangGraph.js 的图（Graph）模型来组织 Agent。它把一次任务拆成若干节点（Node），节点之间的流转由边（Edge）显式声明，因此执行路径是可读的，而不是隐含在某个回调里。在此基础上提供几条关键能力：

• 可控性：循环、条件分支、回退、人工介入等控制逻辑直接写在图结构上，而不是散落在业务代码中。
• 持久化：支持对图的状态与中间结果做存档，便于中断后恢复，也便于复现某一次执行过程。
• 流式输出：以流的方式把 LLM 的增量内容透传给调用方，适合做打字机效果或逐步展示推理过程。
• 部署入口：提供了可挂载到服务端的接入点，方便把整张图包装成可调用的接口。

大致的工作顺序是：先定义节点要做什么，再声明它们之间如何流转，然后启动图并接收流式或最终结果，最后在需要时从存档中恢复状态。

适用边界与注意点

这是一个编排框架层的技能，它解决的是"步骤如何组织、状态如何保存、结果如何流出"，并不负责具体领域里的取数、工具实现和业务判断，这部分需要你自己补齐。

另外，资料里没有提供可直接执行的安装命令和完整用法，建议先通读上游仓库并跑通示例，再把它接到敏感流程上。凡是涉及真实用户数据、自动下单或外部写操作的场景，都应当先加确认环节和日志，而不是让图自己一路跑到底。