LangGraph — 做一个会停下来的智能体

目标

使用 LangGraph 创建一个查询库存的小型 agent。八个步骤涵盖 graph、累积状态、 条件分支、可停止的循环、tool node、失败路径、checkpointer 和路径记录。

不调用模型

负责判断的 node 使用规则实现。因为本实验教授的不是模型调用，而是 graph—— 何时停止、状态中携带什么、tool 失败时走向哪里。agent 真正困难的部分就在这里； 以后接入模型，只是替换一个 node。

格式

在 /root/work/agent/graph.py 中定义以下内容。

• build_graph(checkpoint: bool = False)——返回 compile 后的 graph。
• CATALOG——按商品保存库存的字典（从第 5 步开始使用）。

状态中至少包含 question、steps（list）、tries（integer）和 answer。

搭建并运行一个 graph

执行 mkdir -p /root/work/agent 后，在 graph.py 中定义 build_graph()。创建 StateGraph，添加一个 node，并返回 compile() 的结果。在状态中放置 steps list，让 node 记录自己的名称。

build_graph().invoke() 可以运行，steps 中留下 node 名称

让状态不断累积

把 node 增加到两个，让它们都在 steps 中留下名称。如果不使用 Annotated[list, operator.add]，只会保留最后一个值——走过的路径会消失。

经过至少两个不同 node，并且它们都保留在 steps 中

根据问题选择分支

用 add_conditional_edges 创建分支。包含“库存”的问题进入 lookup node，其他问题进入另一个 node。

“库存”问题经过 lookup，问候语不会经过 lookup

可以循环，但必须停止

找不到结果时重新尝试。状态中加入 tries，并设置上限（约 3 次）。没有上限会触及递归限制并以异常结束。

循环至少运行 2 次，并在 5 次以内自行停止

真正使用 tool 的结果

在 CATALOG 字典中放入至少 3 条数据（商品：数量），让 lookup 从问题中识别商品并查询。查询到的值必须真正写入 answer。

CATALOG 的值反映在 answer 中

tool 失败不是异常，而是一条路径

查询列表中不存在的商品时，进入 fallback node，并生成表示“未找到”的 answer。把空结果直接传下去会促使系统编造答案，这是产生幻觉最常见的路径。

查询不存在的商品时经过 fallback，answer 表达“不知道”的含义

把对话连接起来

支持 build_graph(checkpoint=True)，并挂载 MemorySaver。确认状态会按 thread_id 隔离——相同 id 能延续，不同 id 分开保存。

可通过 get_state 看到保存的状态，并按 thread_id 分开管理

记录走过的路径

运行两个会走不同分支的问题，把 {질문: [노드, ...]} 保存到 /root/work/agent/08-trace.json。如果记录与真实执行不同，就无法用它诊断任何问题。

08-trace.json 中的路径与真实执行一致，并且两条路径彼此不同