文档链接：https://langchain-ai.github.io/langgraph/

Langgraph是Langchain推出的开源智能体框架，功能全，但是门槛比dify,n8n,crewai,autogen要高，因为需要写代码来搭建智能体，还没有可视化的编排界面。不对，有可视化的studio界面，但是只能用来提问，查看结构，不同编排智能体。

主要的代码功能分为两块，GraphAPI和FunctionalAPI.
个人理解是GraphAPI用图的结构，来搭建基础节点，分为三个概念：Nodes,States,Edges，节点，状态，边。可以用来搭建条件分支，循环等结构。
而FunctionalAPI则是工具节点，用来实现特殊功能，例如流，人工审核，数据存储，持久化等。

来看一下例子。
Langgraph有提供几个例子在github仓库。

尝试一下，可以先搞个langsmith的apikey，用来监控过程。
https://smith.langchain.com/
先尝试一下new-langgraph-project

可以使用以下代码安装依赖

python -m pip install -e .

运行会自动开启后端API接口，以及在浏览器的langsmith上面打开可视化的界面。

这个感觉有Bug,总是报错。

看了代码明白了，是要在new assistant里面的my_configable_param设置值。这个智能体的作用就是读取config值。

换了data-enrichment这个例子，可以运行。这个就是问个问题，然后生成回答，再生成挑刺，再重复生成回答。

对了，有一点，使用私有部署模型或不用默认的Anthropic模型的话，要在.env和代码里去找哪里定义了使用模型，使用模型的名称不是在.env里设置的，这点不太好。比如 react-agent的模型名称设置在context.py里面，data-enrichment-main的模型设置在configuration.py里面。默认的都是Anthropic的模型，但是Anthropic没有海外手机号不能注册。

.env里这样配就行。

又试了react-agent这个例子，这个就是加了网络搜索工具。效果还可以，这里可以感觉到langgraph的优点是全程可控，过程比较直观详细。

如果在.env里面配了apikey，langsmith里还保存了运行记录

有些项目没跑起来

memory-agent这个例子现在有问题，需要使用langgraph studio，但是目前langgraph已经被弃用了。

找到有个谷歌做的langgraph例子，比langchain的做的好
地址：https://github.com/google-gemini/gemini-fullstack-langgraph-quickstart

看了一下，就是一个网络搜索的智能体。不过貌似代码里面没有加langsmith，就无法监控。

不过谷歌的免费gemini api基本运行不完，就受限停了


改了2.0倒是可以用。
也试了一下cli example思考了一下，业务上我们需要用知识库，但是langgraph甚至不如langchain更简单去实现知识库，更不用说用dify了。

也发现了一个有意思的事情，github上，google和非官方人员做的langgraph的仓库的star数快要超过langgraph的star数了