🏗️ 架构范式

图/状态机架构（Graph & State Machine）

别名：状态图LangGraph状态机Graph Agent可控编排

图/状态机架构用显式的节点与边定义 Agent 的执行流：节点是处理单元（LLM/工具/函数），边是转移条件，全局状态在节点间传递。它把多步流程变得可可视化、可断点续跑、可精确控制。

关键要点 ✦

把 Agent 流程建模为一张有向图：节点（Node）是处理单元——可以是一段 LLM 调用、一个工具、一个条件判断函数；边（Edge）是转移，可带条件（如「若需工具则去工具节点，否则去结束节点」）；状态（State）是贯穿全程的可变对象，节点读写它。

ReAct 等隐式循环把「下一步」交给模型自由决定，难调试、易失控。图架构把控制流显式化：你能画出流程图、在任意节点设断点、从失败处续跑、并对敏感转移要求人工确认。状态可持久化到数据库，使长任务跨会话不丢进度。

LangGraph 即此思想的代表，提供 checkpoint、human-in-the-loop、时间旅行（回退重跑）等能力。

当流程需要可审计、可干预、可恢复时（金融、医疗、企业审批），图架构几乎是必选。纯探索型任务（如自由创作）则仍可用更轻的循环模式。

企业审批流

每节点带权限与人工会签，状态可持久化。

长周期研究

断点续跑，失败节点单独重试不丢上下文。

可审计 Agent

完整记录状态转移轨迹，满足合规审查。

图架构会成为 Agent 编排的事实标准，并与可视化编辑器、可观测平台深度绑定；「画一张图就能部署一个可控 Agent」将大幅降低企业落地门槛。

🏷️ 标签状态机GraphLangGraph图架构可控编排状态