Day 7：LangGraph 入门——把 ReAct 循环装进"图"里

🎯 今日目标：理解为什么生产级 Agent 都用"图"来组织：状态显式、路由可控、可持久化。 用 LangGraph 的 StateGraph 重写 Day 6 的 Agent（没装库也有模拟器先跑通逻辑）。

⏱ 今日安排（约 2 小时）

📖 第一步：理论学习

1. 为什么 Day 6 的 while 循环不够用

手写循环 hardcode 了"调 LLM → 执行工具"这一种流转。真实 Agent 需要： 多 Agent 切换、人工审批节点、失败重试分支、断点恢复……全塞进 for 循环就是面条地狱。 图（Graph）把"有哪些步骤"和"步骤间怎么流转"显式声明出来，框架负责执行流转。

2. LangGraph 四个核心概念

from langgraph.graph import StateGraph, END
from typing import TypedDict, List, Dict

class AgentState(TypedDict):        # ① 状态
    messages: List[Dict]
    step_count: int

def node_call_model(state):         # ② 节点：调 LLM
    response = mock_llm_response(state["messages"])
    return {"messages": state["messages"] + [response],
             "step_count": state["step_count"] + 1}

def node_call_tool(state):          # ② 节点：执行工具
    ...把每个 tool_call 的结果以 role=tool 追加进 messages...

def router(state):                  # ③ 路由函数
    if state["messages"][-1].get("tool_calls"):
        return "call_tool"          # 还有工具要执行
    return "end"                    # 没有了 → 结束

graph = StateGraph(AgentState)      # ④ 组装
graph.add_node("call_model", node_call_model)
graph.add_node("call_tool", node_call_tool)
graph.set_entry_point("call_model")
graph.add_conditional_edges("call_model", router,
    {"call_tool": "call_tool", "end": END})
graph.add_edge("call_tool", "call_model")   # 执行完工具 → 回到模型
app = graph.compile()

3. 手写循环 vs 图（一一对应，帮助理解）

Day 6:  for step in range(max_steps):      Day 7:  图的自动流转
        prompt = build(...)                        node_call_model
        response = llm(prompt)                       │
        if 有 tool_calls:                    router ─┤ call_tool → 回 call_model
            execute + 回传                           └ end → END
        else: return 最终回答

🛠 第二步：动手实操

1. 先跑模拟器：模板内置 simulate_langgraph_loop()，不需要装库。 完成 TODO 让它正确执行工具并给出最终回答。
2. 打开模板：day07_practice_template.py：
   • TODO 1.1：AgentState 加 messages / step_count 字段
   • TODO 2.2 / 2.3：工具列表转换 + 执行（Day 4 原题）
   • TODO 4.1 / 4.2：node_call_model / node_call_tool（读 state → 返回更新）
   • TODO 5.1：router_should_continue（有 tool_calls → "call_tool"，否则 "end"）
   • TODO 7.1：run_agent() —— 装了 langgraph 就 graph.invoke(state)，没装降级调模拟器
3. 升级真实库（推荐）：pip install langgraph，把 build_agent_graph() 里的注释展开成真实实现—— 组件函数你都已经写好，组装只需 8 行。
4. 验收：python day07_practice_validator.py —— 验收会构造 state 逐个调用你的节点函数、 试探你的路由、并端到端跑一遍（回答里必须真的包含工具结果）。

⚠️ 避坑

• ❌ LangChain 系版本更新快（0.1→0.2→0.3），看文档先对版本；本练习核心是图思想，API 细节随时查
• ❌ 节点函数直接改传入的 state（原地修改）—— 正确姿势是返回更新字段，由框架合并
• ❌ 路由返回值和 add_conditional_edges 的映射表对不上 → 图编译完一跑就报错
• ✅ 先用 mock/模拟器把流转跑对，再换真实 LLM——排查问题时能省一半时间

🔗 延伸资源

• LangGraph 官方教程
• LangChain 文档