用途：LangGraph 是 LangChain 的低层编排框架，用于以有向图架构（受 Pregel/Beam 与 NetworkX 启发）构建有状态、长时间运行的多智能体 AI 工作流。它把智能体建模为图中的节点，用边控制流程，从而表达线性链无法实现的循环、条件分支、并行执行、人工介入和子图组合。
主要能力：覆盖核心图架构、三种典型多智能体模式（supervisor、swarm、分层）、持久化与状态管理、生产调试和评估方法。提供 Graph API（StateGraph）与 Functional API（@task + @entrypoint）两套接口，二者产出相同的编译图。
使用方式：安装依赖 pip install langgraph langchain langchain-openai langsmith。快速开始用 StateGraph、MessagesState、START、END 定义节点与边并 compile 后 invoke。可按任务选择脚手架脚本（lg-supervisor-scaffold.py、lg-swarm-scaffold.py）、可运行模板（supervisor-graph.py、swarm-graph.py、subgraph-agent.py）或参考文件（architecture、multi-agent-supervisor、multi-agent-swarm、multi-agent-hierarchical、persistence、production、evals、troubleshooting）。
适用场景：路由准确率优先选 supervisor；延迟优先或领域边界清晰选 swarm；嵌套团队结构选分层。少于 3 个领域时建议跳过多智能体。
限制与注意事项：子图持久化默认按调用，需显式设置 checkpointer；同命名空间子图不能并行；supervisor 每次交互都需路由 LLM 调用，可能成为瓶颈；swarm 无天然递归保护，需在状态中跟踪 handoff_count 并硬限制；交接时 Command.update 必须包含配对消息；检查点会随长对话膨胀，需定期清理；技能不会在会话开始时自动加载，需显式调用 skill_view(name='langgraph')。具体收费、价格与平台信息暂未提供。