用途：该技能旨在帮助掌握 LangGraph，用于构建生产级 AI 智能体，提供细粒度控制、检查点、流式输出与复杂状态管理。资料将其定位为面向生产智能体的编排框架，同时提供声明式与命令式 API，强调控制力与持久性，而非隐藏复杂度的高层抽象；并指出 LangGraph 用于替代旧的 AgentExecutor。
主要能力与模式：资料列出六项生产特性——并行化、流式输出、检查点、人类参与、追踪、任务队列。核心模式包括：带工具的智能体（使用 create_react_agent 结合工具与 MemorySaver，并可流式运行）、多智能体协作（由 supervisor 节点通过条件边路由到 researcher、analyst、writer 等专家并结束）、人类参与（使用 SqliteSaver 检查点与 interrupt() 暂停，随后凭 thread_id 恢复执行）。
状态管理：短期记忆按会话保存，使用 MemorySaver 与 thread_id 维持上下文；长期记忆使用 PostgresSaver 跨会话持久化。
控制流：支持条件路由（按置信度走向批准、复核或拒绝）、循环重试（如迭代少于 3 次且未成功则重试）、并行执行（从 START 扇出至多个节点再扇入聚合）。
使用方式与部署：用 StateGraph 定义状态、添加节点与边并编译运行；生产部署涉及 astream_events 流式输出、节点内错误处理与回退路由，以及通过环境变量开启 LangSmith 追踪。资料给出 Claude、OpenAI、MCP 服务器的集成示例，并建议使用检查点、流式、关键操作人工审批、条件边、并行与生产监控，避免使用已废弃的 AgentExecutor、忽略节点错误处理、忘记设置 thread_id 等。
适用场景与限制：适合需要细粒度控制、复杂状态机、人类参与与持久性的生产级智能体；若需要托管平台、可视化构建器或更简单 API，资料建议考虑其他方案。具体收费、价格与可用平台暂未提供。