用 LangGraph 构建 Multi-Agent:Supervisor、Handoff 与 Swarm
摘要比较 LangGraph 中 Supervisor、Handoff 与 Swarm 三种多智能体组织方式的差异,并说明子 Agent 作为 Tool、Command 状态流转与适用边界。
关联概念
基于图结构编排有状态智能体应用。
10 篇内容
摘要比较 LangGraph 中 Supervisor、Handoff 与 Swarm 三种多智能体组织方式的差异,并说明子 Agent 作为 Tool、Command 状态流转与适用边界。
摘要围绕 LangGraph Subgraph,判断哪些流程适合独立成子图,并比较共享状态与独立状态两种组合方式下的上下文隔离与边界控制。
摘要围绕 LangGraph 的容错机制,划分 Retry、Checkpoint、Pending Writes 与 Time Travel 各自处理的故障边界,并说明恢复位置、节点粒度带来的重算成本以及外部操作的幂等要求。
摘要围绕 LangGraph 的 Interrupt 机制,它与 Persistence 配合,把一次原本必须连续完成的 Graph Run,拆成可以跨时间继续执行的多个阶段。
摘要说明 LangGraph 中 Checkpoint、Thread 与 Checkpointer 的关系,以及状态如何保存、读取与恢复。
摘要LangGraph 执行路径控制有三种方式:固定 Edge、Conditional Edge 和 Command。本文详细介绍后两种及其应用场景。
摘要LangGraph 的 State 更新并非简单覆盖。本文以 reducer 为核心,演示 Annotated 与 operator.add 的用法,自定义去重合并函数,并拆解 MessagesState 对消息历史的特殊处理规则。
摘要围绕 LangGraph 的 StateGraph 构建,讲解 State、Node、Edge 在一次运行中的配合方式,以及 compile() 之后才能 invoke() 的原因。
摘要从 Agent Loop 的局限出发,说明 LangGraph 的 State、Node、Edge、状态更新与 Reducer 如何管理复杂执行流程。
摘要理解 LangChain、LangGraph 与 Deep Agents 的分工,按任务复杂度选择合适的 Agent 架构。