用途：在编写任何 LangGraph 代码时调用，帮助构建有状态图与智能体编排流程。
主要能力：StateGraph 是构建有状态图的主类；节点是执行工作并更新状态的函数；边定义执行顺序（静态或条件）；START/END 标记入口与出口；状态配合 reducer 控制更新合并方式；图执行前必须 compile()。
设计流程：1）画出离散步骤，每步成为一个节点；2）识别每步类型（LLM、数据、动作、用户输入），确定静态上下文、动态上下文、重试策略与目标结果；3）设计状态，作为所有节点共享内存，存原始数据、在节点内按需格式化提示；4）实现节点，接收状态并返回部分更新；5）用边连接、加条件路由，必要时带 checkpointer 编译。
状态管理：默认无 reducer 为覆盖；用 operator.add/concat 等 reducer 追加列表（消息历史、日志）；复杂合并用自定义 reducer。
边与路由：固定流程用 add_edge()；按状态分支用 add_conditional_edges()；同时更新状态并路由用 Command（含 update、goto、resume 字段）；并行扇出用 Send，需在结果字段上配 reducer。注意 Command 只增加动态边，静态边仍会执行。
运行：graph.invoke(input, config) 运行至完成并返回最终状态；流式模式有 values（每步完整状态）、updates（状态增量）、messages（LLM token 与元数据）、custom（自定义数据）。
错误处理：瞬时错误用 RetryPolicy(max_attempts=3)；LLM 可恢复的工具失败用 ToolNode(tools, handle_tool_errors=True)；用户可修复的缺失信息用 interrupt({"message": ...})；意外错误让其抛出。
边界：节点返回部分状态更新而非直接修改状态；循环需经过命名节点，START 仅作入口；累积列表字段必须定义 reducer，否则最后写入生效。
实现参考：先判断项目语言，Python 读 references/python.md，TypeScript 读 references/typescript.md，仅当任务涉及两种语言时都读；纯概念问题无需加载。
适用场景：需要细粒度控制智能体编排、复杂分支/循环工作流、人在回路与持久化时使用；快速原型、简单无状态工作流或需要开箱即用功能时可考虑替代方案。