LangGraph 官方教程：聊天机器人之一
一、概览
LangGraph 是为希望构建强大、可适应的 AI 智能体的开发者而打造。开发者选择 LangGraph 的原因：
- 可靠性与可控性。 通过审核检查与人类参与（human-in-the-loop）审批，引导智能体的行为。LangGraph 会为长时间运行的工作流持久化上下文，确保你的智能体始终保持在正确轨道上。
- 低层与可扩展。 使用完全可描述的低层原语构建自定义智能体，摆脱限制定制的僵硬抽象。你可以设计可扩展的多智能体系统，让每个智能体都承担与用例相匹配的特定角色。
- 原生流式支持。 通过逐 token 流式传输和对中间步骤的流式传输，LangGraph 为用户在执行过程中提供清晰的智能体推理与行动的实时可见性。
学习 LangGraph 基础
为熟悉 LangGraph 的关键概念与特性，请完成以下基础教程系列：
- 构建基础聊天机器人
- 添加工具
- 添加记忆
- 添加人类参与控制
- 自定义状态
- 时间旅行
完成这一系列教程后，你将在 LangGraph 中构建一个支持型聊天机器人，它能够：
- ✅ 通过网页搜索回答常见问题
- ✅ 在跨调用间维持会话状态
- ✅ 将复杂查询路由给人工进行审核
- ✅ 使用自定义状态来控制其行为
- ✅ 回退并探索备选的对话路径
二、构建一个基础聊天机器人
在本教程中，你将构建一个基础聊天机器人。这个聊天机器人是接下来系列教程的基础，你将逐步为它添加更复杂的能力，并在此过程中学习关键的 LangGraph 概念。让我们开始吧！🌟
前置条件
在开始之前，请确保你可以访问支持工具调用（tool-calling）功能的 LLM，例如 OpenAI、Anthropic 或 Google Gemini。
1. 安装依赖
安装所需的依赖包：
--- python ---
pip install -U langgraph langsmith--- js ---
# npm
npm install @langchain/langgraph @langchain/core zod# yarn
yarn add @langchain/langgraph @langchain/core zod# pnpm
pnpm add @langchain/langgraph @langchain/core zod# bun
bun add @langchain/langgraph @langchain/core zod注册并使用 LangSmith，可以更快定位问题并提升你的 LangGraph 项目的性能。LangSmith 支持使用 trace 数据来调试、测试和监控用 LangGraph 构建的 LLM 应用。更多信息请参阅 [LangSmith 文档](https://docs.smith.langchain.com)。
2. 创建 StateGraph
现在我们来用 LangGraph 构建一个基础聊天机器人。这个机器人会直接响应用户消息。
首先创建