开发与工程 agent-orchestrationgraph-basedstateful-agentstypescriptnodejshuman-in-the-loopdurable-execution

LangGraph JS

用图结构编排有状态、可恢复的智能体,支持人工介入和长期记忆。

FollowAgents 评估 · FARS-2.1
不推荐
55/ 100 五分制 2.8 / 5
1 2 3 4 5 6
1信任安全11 / 29 · 1.9/5

证据显示:仓库包含依赖覆盖(package.json 中的 overrides)和 CI 工作流,但未发现明确的权限最小化、用户确认、数据流透明、敏感数据处理、外部影响、回滚或来源归属的文档或实现。依赖安全方面有覆盖和自动合并工作流,但未提供漏洞扫描证据。扣分原因:缺乏安全相关文档和实现。

2可靠稳定9 / 14 · 3.2/5

证据显示:代码库结构一致,测试文件存在,CI 配置了多节点版本测试。依赖可用性方面,package.json 有 overrides 和锁定文件。失败消息方面,测试中有错误处理,但未发现面向用户的失败消息文档。扣分原因:未提供失败消息的明确文档。

3适用触发12 / 18 · 3.3/5

证据显示:README 描述了目标受众和使用场景,提供了安装说明和示例。能力边界在 README 中有描述,但未详细说明。触发精度方面,框架是低级别的,用户控制触发。环境适配方面,支持 Node.js >=18,并有 CI 测试。扣分原因:能力边界和触发精度描述不够详细。

4规范维护11 / 18 · 3.1/5

证据显示:README 提供了信息架构,安装说明清晰,命名稳定(包名 @langchain/langgraph),有示例和 FAQ 链接,许可证为 MIT,有版本和变更日志(changesets),维护责任明确(LangChain Inc)。扣分原因:已知限制未明确列出。

5有效结果9 / 13 · 3.5/5

证据显示:输出可用性方面,框架提供 API 和文档。边际价值方面,提供了高级功能如持久执行、人机交互、记忆。成本效益方面,开源免费,但未提供性能或成本数据。扣分原因:缺乏成本效益的量化数据。

6证据核验3 / 8 · 1.9/5

证据显示:README 中的声明部分有文档链接,但未提供具体证据。交叉来源验证方面,有多个文档链接,但未提供独立验证。事实与推断分离方面,README 区分了事实和推荐,但不够明确。扣分原因:声明缺乏可追溯的具体证据。

证据充分度: 评估于 2026年8月9日 审查版本 6ac60da74f6b
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
使用前请注意
  • 未发现安全相关文档,如权限最小化、数据流透明、敏感数据处理等。
  • 依赖安全方面虽有覆盖,但未提供漏洞扫描证据。
  • 已知限制未在 README 中明确列出。
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

LangGraph JS 是 LangChain 推出的低层编排框架,用于构建可控的、有状态的智能体。它以图的方式组织执行流程,支持持久化执行、人工介入(human-in-the-loop)、短期与长期记忆。该库提供 npm 包 @langchain/langgraph,可与 @langchain/core 配合使用,也可独立运行。它被 Replit、Uber、LinkedIn、GitLab 等公司采用。LangGraph 提供可视化调试(通过 LangSmith)、生产级部署能力,并可与其他 LangChain 产品(如 Deep Agents、LangChain、LangSmith)集成。其 API 参考文档涵盖核心类、方法、图与检查点 API,以及预构建组件。

LangGraph JS 允许开发者以图的形式定义智能体的状态流,节点代表步骤,边代表转移。它提供持久化执行:智能体在失败后可从上次停止点恢复,支持 long-running 任务。支持中断(interrupts)以插入人工审查或修改状态。提供短期工作记忆和跨会话的长期持久记忆。可配合 LangSmith 进行调试,追踪执行路径、状态转换和运行时指标。部署时支持生产级基础设施。安装与使用:通过 npm 安装 @langchain/langgraph 和 @langchain/core。具体使用方式需查阅官方文档。

  1. 需要长期运行、故障恢复的客服机器人,可在中断后继续对话。
  2. 需要人工审批流程的自动化任务,例如订单审批或内容审核。
  3. 需要跨会话记忆的个性化助手,记住用户偏好。
  4. 构建复杂多步骤的智能体,如需要规划、调用子代理的 Deep Agents。
  5. 在生产环境中需要可观测性和调试能力的 LLM 应用,结合 LangSmith。

这个 Agent 有哪些优点和局限?

优点
  • 提供持久化执行,失败自动恢复,适合长任务。
  • 原生支持人工介入,可在执行中暂停和修改状态。
  • 支持短期与长期记忆,构建真正有状态的智能体。
  • 被多家知名公司用于生产环境。
  • 与 LangChain/LangSmith 集成,提供调试和部署工具。
局限
  • 文档以英文为主,中文资源有限。
  • 需要熟悉图概念和 LangChain 生态。
  • 调试和部署依赖 LangSmith,可能产生成本。
  • 与 LangChain 深度集成,可能带来迁移成本。

如何安装或部署这个 Agent?

安装 npm 包 @langchain/langgraph 和 @langchain/core:

npm install @langchain/langgraph @langchain/core

如何使用这个 Agent?

具体使用方法请参阅官方文档:https://docs.langchain.com/oss/javascript/langgraph/overview。文档涵盖图构建、检查点、人工介入等 API。可使用 LangSmith 进行调试。

这个 Agent 与同类方案有什么区别?

与 Python 版 LangGraph 功能对等,但面向 JavaScript/TypeScript 生态。

常见问题

LangGraph JS 是否支持多模型提供商?
LangGraph 是模型无关的,可作为独立框架使用,也可以与 LangChain 集成,后者支持多种模型提供商。
是否支持持久化存储?
支持持久化执行和检查点机制,可保存状态并在失败后恢复,具体实现需参考文档。
如何处理人工介入?
通过 interrupts 中断机制,可以在执行中暂停并允许人工检查或修改状态。
部署要求是什么?
需要 Node.js 环境和 npm。生产部署可考虑 LangSmith 或自行部署基础设施。

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents