LangGraph 是一个底层框架，它巧妙地将复杂的 LLM 智能体或多智能体工作流，通过“图+状态+可控条件跳转”的方式结构化。这让整个开发过程变得清晰可视化、易于调试，并且能够持久化运行。

作为一款专门编排复杂 LLM 应用的底层框架，LangGraph 核心设计用于构建有状态的多智能体系统。它将工作流以图的形式表达，从而实现了对复杂应用的灵活、可控的编排。

它的核心架构主要依托于以下四个基本组件：

1. State（状态）

它用于在整个图的执行过程中维护和传递共享的状态信息。这可以是一个简单的字典，也可以是自定义的复杂状态类。它支持自动更新、检查点保存和时间回溯等高级特性，让状态管理既强大又灵活。

2. Nodes（节点）

节点是图中的计算单元，通常对应一个具体的函数或操作。常见的节点类型包括：调用 LLM、执行工具、由路由器或决策者进行判断，以及处理内存读写等自定义逻辑。

3. Edges（边）

边定义了节点之间的流转关系和执行顺序，主要支持两种类型：普通边，负责从一个节点固定跳转到下一个节点；条件边，则根据当前状态或上一个节点的返回值，动态决定下一个要执行的节点。这是实现分支、循环、路由等复杂控制流的关键。

4. Graph（图）

图将上述 State、Nodes、Edges 组合在一起，形成一个完整的、可执行的有向图。LangGraph 支持两种主要的图类型：StateGraph 是最常用的有状态图；MessageGraph 则更轻量，适合简单的消息传递场景。

一句话总结

LangGraph 旨在将复杂的 LLM 智能体或多智能体工作流，通过“图+状态+可控条件跳转”的方式进行结构化、可视化、可调试和持久化，是一个功能强大的底层框架。

它是目前构建生产级、可控、可观测的复杂 LLM 应用（如智能体、工作流、RAG+工具+循环推理等）最强大、最灵活的开源基础设施之一，常与 LangChain 生态深度配合使用。

如果你想在 2026 年学习 LangGraph，我真诚推荐你参考我们为你准备的 LangChain/LangGraph 合集学习材料。再搭配提示工程合集，就可以搭建强大的智能体系统！