langgraph-workflows

此技能為使用 LangGraph 0.2+ 開發複雜、具備狀態的多智能體系統提供了強大的框架。專為軟體工程師與 AI 架構師設計，旨在超越簡單的序列鏈，構建可靠且符合生產等級的智能體工作流。通過利用有向圖，開發者可以實施複雜的編排邏輯，確保通過檢查點、持久化與清晰的狀態管理實現容錯能力。

• 使用 TypedDict 或 Pydantic 進行高級狀態管理，確保分散式智能體調用中的類型安全與模型驗證。
• 實現監管者-工作者 (Supervisor-Worker) 模式，允許模組化的智能體架構，由中央控制器根據動態狀態分析將任務路由給專業工作者。
• 複雜的條件路由功能，使工作流能夠根據 LLM 輸出、質量檢查或重試邏輯進行分支，確保靈活且智能的決策。
• 內建對容錯設計的支援，包括狀態持久化、用於「人在迴路」(human-in-the-loop) 互動的檢查點，以及可觀測性整合。
• 優化應用於多智能體代碼審查、自主研究助理、複雜文檔處理管道以及電商產品自動優化流程等場景。

使用此技能時，重點應放在狀態演進與節點設計上。用戶應優先使用 Annotated[list, add] 模式來定義清晰的狀態以有效累積結果。儘管功能強大，但此技能並不適用於無狀態應用程式或簡單的線性管道（在這些情況下，標準 LangChain LCEL 足矣）。建議透過將工作者邏輯與監管路由策略解耦來降低圖的複雜度。典型的輸入包括用戶查詢、原始文檔或代碼庫差異，預期輸出則為結構化的任務結果、精煉的數據或多步驟分析總結。在並發環境下，請務必監控記憶體使用量與圖深度以確保可擴展性。