langgraph-workflows

此技能为使用 LangGraph 0.2+ 开发复杂、具备状态的多智能体系统提供了强大的框架。专为软件工程师与 AI 架构师设计，旨在超越简单的序列链，构建可靠且符合生产等级的智能体工作流。通过利用有向图，开发者可以实施复杂的编排逻辑，确保通过检查点、持久化与清晰的状态管理实现容错能力。

• 使用 TypedDict 或 Pydantic 进行高级状态管理，确保分布式智能体调用中的类型安全与模型验证。
• 实现监管者-工作者 (Supervisor-Worker) 模式，允许模块化的智能体架构，由中央控制器根据动态状态分析将任务路由给专业工作者。
• 复杂的条件路由功能，使工作流能够根据 LLM 输出、质量检查或重试逻辑进行分支，确保灵活且智能的决策。
• 内建对容错设计的支持，包括状态持久化、用于“人在回路”(human-in-the-loop) 交互的检查点，以及可观测性整合。
• 优化应用于多智能体代码审查、自主研究助理、复杂文档处理管道以及电商产品自动优化流程等场景。

使用此技能时，重点应放在状态演进与节点设计上。用户应优先使用 Annotated[list, add] 模式来定义清晰的状态以有效累积结果。尽管功能强大，但此技能并不适用于无状态应用程序或简单的线性管道（在这些情况下，标准 LangChain LCEL 足矣）。建议透过将工作者逻辑与监管路由策略解耦来降低图的复杂度。典型的输入包括用户查询、原始文档或代码库差异，预期输出则为结构化的任务结果、精炼的数据或多步骤分析总结。在并发环境下，请务必监控内存使用量与图深度以确保可扩展性。