用途：该技能面向 LangGraph Graph API（Python），帮助把智能体定义为显式、可声明、可可视化检查的有向图。当工作流有清晰命名的阶段、需要条件分支、或从零构建新智能体时，适合选用 Graph API 而非 Functional API。
主要能力：用 StateGraph 声明图拓扑，add_node 添加节点、add_edge 添加静态边，START 与 END 为哨兵入口出口；用 TypedDict 或 Pydantic BaseModel 定义状态，可区分 input、output、overall 与 private 状态类型；用 Command(goto=...) 做单路条件路由，用 Send(node, state) 返回列表实现并行扇出；通过 compile(checkpointer=...) 接入 InMemorySaver 或 PostgresSaver 实现持久化与记忆；在节点内调用 interrupt() 暂停执行，再用 Command(resume=...) 恢复，实现人工介入；支持 values、updates、messages 等流式模式；节点可配置 RetryPolicy 重试；可通过 get_state_history、update_state 做时间旅行式回放与状态修补。
使用方式：先定义状态类型，再创建 StateGraph(State)，添加节点与边，最后 compile 并 invoke，调用时通过 config 传入 thread_id。示例：graph = StateGraph(State)；graph.add_node("process", process)；graph.add_edge(START, "process")；graph.add_edge("process", END)；app = graph.compile(checkpointer=InMemorySaver())；app.invoke({"input": "hello"}, config={"configurable": {"thread_id": "1"}})。
适用场景：多智能体系统在专用子图间路由、需要可视化控制流的智能体、带审批环节的 HITL 流程、需要检查点与回放的长期任务。
限制：持久化与 HITL 依赖 checkpointer；具体模型、版本与部署细节以官方文档为准，资料未提供收费与平台信息。