关注我~第一时间学习如何更好地使用AI。
重要的不是我们是否会被AI替代，
而是我们要比被替代的人更懂AI。
前期导览：
从零开始学LangGraph（0）：如何搭建基本的AI应用开发学习环境
从零开始学LangGraph（1）：Chat Model --- 如何通过代码与模型对话（上）
从零开始学LangGraph（2）：Message和Template —— 如何通过代码与模型对话（下）
从零开始学LangGraph（3）：Tools --- 如何实现大模型与外部系统对接
从零开始学LangGraph（4）：用Excel表格来理解LangGraph的基本工作原理
大家好，上一期我用Excel表为例大概解释了一下LangGraph的工作原理，今天我们就来着手搭建一个简单的Graph，目的是通过实践来加深对State、Node、Edge这些概念的理解。本期内容较多，但是绝对干货，希望喜欢的朋友能一键三连！
关于State的一个补充
首先需要给大家解释一下，从严格意义上来讲，LangGraph中的State是由Schema 和Reducer 共同组成的。
在State中，Schema是必须自定义的，因为它决定了Agent所需的业务字段、各业务字段要求的数据类型，而Reducer作为一种状态（字段值）更新的控制机制，如果用户不手动设置也没事，因为会被默认为“覆盖”。
出于循序渐进，尽快让大家上手的考虑，我所表述的“定义State”，主要指的是对Schema的定义，即对所有节点、边的输入模式的定义。后续我会在适当的位置再引入Reducer。
好了，下面我就正式进入Graph的搭建教程！
一、定义State
从表格到字典
正如上期所述，我们用LangGraph创建一个AI Agent，就像是设计一个Excel表格一样，是为了通过对相关数据进行处理以获得一个结果。
为了获得这个结果，在Excel中，我们需要对表格的表头字段进行定义，而在LangGraph中，我们则是对Agent的State进行定义。
同样想想Excel表格，每个表头字段填写在第一行，而第二行则代表了各个字段对应的值。如下图所示，“”职业“”对应A2单元格内容、“等级”对应B2单元格内容、“血量”对应C2单元格内容。
这种成对出现的数据形式，在编程中往往是用一种叫做字典（Dict） 的数据结构来储存的，其中，表头三个字段，被称为键 ，而第二行单元格的内容，被称为键的值 。换言之，Dict是一种使用键值对 来储存数据的结构。
而在LangGraph中，State其实也是一种字典，只不过为了保证相关运行数据类型的准确性以提升Agent性能，LangGraph中一般是用TypedDict 来定义State。（也有其他方式，比如pydantic的数据模型）
考虑到本系列教程的定位，我们不会太纠结一些编程理论方面的东西，比如你不需要完全搞明白什么是Dict、TypedDict，你只需要知道TypedDict允许你对State所涉及的数据类型（是字符串还是整数、布尔值等）进行限定就行了。如果你真的很有兴趣，可以直接找个AI去问。
下面先给出定义State的代码如下，大家可以拿它跟前面Excel表格图片的内容比较一下。
from typing import TypedDict
class AppState(TypedDict):
char\_class: str
char\_level:int
char\_HP:int
代码解读
from typing import TypedDict
第一行很好理解，从typing中引入TypedDict。
class AppState(TypedDict):
接着，我们定义一个名叫AppState的类（class） ，这个类就是我们所需要的State了。它的名字是你自己任意取得，想叫啥都可以，只要保证可读性即可。
同时，括号中填入TypedDict，意味着我们将这个类的类型定义为Type Dictionary，这样我们就可以对构成State的键值对的数据类型进行限制。
char\_class: str
char\_level:int
char\_HP:int
接下来的三行缩进代码，分别为三个键值对，这就是State的主体了。这三个键值对的键（即冒号左边部分），与前面图中Excel表格内列示的三个表头字段，即职业、等级和血量，一一对应。
而冒号右边的内容，代表着我们对能填入这个键的数据的类型的限制，即：
- • 职业：必须是字符串
- • 等级：必须是整数
- • 血量：必须是整数
至此，我们就创建了一个简单的State，是不是很简单。
二、创建Node函数
定义好了State，接着就需要创建Node函数。在LangGraph中，Node和一些特殊的Edge，本质上都是函数，需要先定义出来，然后再加入到Graph中。我们先来学习如何创建Node函数。
而在此之前，我建议大家回顾一下我前面对Tools 的介绍（从零开始学LangGraph（3）：Tools --- 如何实现大模型与外部系统对接），你就会发现很多内容都是相通的。换言之，我们仍然可以通过三个步骤来创建Node函数。
1.定义函数
从前面的State不难看出，我要做的Graph是一个与游戏角色相关的东西。由于我们现在做的是一个Hello World Graph，不想搞得太复杂，所以这里我打算搞两个Node，一个用来处理角色HP的变动（比如是否成功闪避攻击），一个用来展示角色当前状态。
先以第一个Node的函数为例，我们首先需要定义它：
def dodge\_check\_node(state: AppState) -> AppState:
这段代码定义了一个名为dodge\_check\_node的函数，这个函数有一个参数state，然后通过类型提示，指定state期望接收的数据类型，以及该函数应输出的数据类型。这个数据类型，就是我们前面定义好的类型为Typed Dictionary的state。
由于本例中我们只定义了一个state，即AppState，所以没啥好说的，输入输出都是它。但LangGraph其实允许我们创建多个不同State，比如公有私有、输入输出，允许我们进行非常灵活的state操作，这个后面再讲。
2.利用函数文档字符串进行Node描述
def dodge\_check\_node(state: AppState) -> AppState:
"""检查闪避结果并处理HP变化
生成1-6的随机整数，如果大于3则闪避成功，否则HP减少特定数值
"""
接下来是一段文档字符串（docstring）。跟创建Tools 的时候一样，我们需要它来对函数进行描述，以帮助模型或Agent理解使用这个函数的用途。当然，因为我们目前还没引入LLM，所以写文档字符串只是为了跟大家说明有这个事。
3.编写函数体，设定Node的业务逻辑
接下来就是完成函数体的内容，写明Node的具体业务逻辑，比如我这里写了一个非常简单的闪避判定与血量扣减逻辑。因为我们需要用随机数，所以前面有一个对random库的引入。
import random
def dodge\_check\_node(state: AppState) -> AppState:
"""检查闪避结果并处理HP变化
生成1-6的随机整数，如果大于3则闪避成功，否则HP减少特定数值
"""
dice\_roll = random.randint(1, 6)
if dice\_roll > 3:
print("你成功闪避了伤害")
else:
state['char\_HP'] = state['char\_HP'] - dice\_roll
print(f"闪避失败！受到{dice\_roll}点伤害")
return state
关于这段代码，有两个要点需要注意，首先：
state['char\_HP'] = state['char\_HP'] - dice\_roll * 2
这里展示了LangGraph中使用State的基本方式，因为state本质是Dict，所以我们可以通过每个键值对的键去访问、修改相关的值。然后：
return state
函数结尾的return state，确保了Node函数的处理结果（如代码中对HP的值的修改），将保存到我们的state（已被指定为AppState）中。
下面给出第二个Node函数的代码，内容不再赘述：
def display\_character\_status(state: AppState) -> AppState:
"""展示角色当前的各状态值"""
print("\n" + "="*30)
print(" 角色状态信息")
print("="*30)
print(f"职业: {state['char\_class']}")
print(f"等级: {state['char\_level']}")
print(f"生命值: {state['char\_HP']}")
print("="*30)
return state
三、创建并编译Graph
到此为止，我们就可以创建Graph了。有的朋友可能会问，Edge怎么没讲？因为如前所述，只有一些特殊的Edge才是函数，需要专门写代码，比如Conditional Edge，这个我后面再讲，对于普通的Edge，直接add就行，大家一看就懂。
创建Graph的代码非常简单，主要包括4个步骤，我先贴出整体的代码，然后逐项给大家解释：
from langgraph.graph import StateGraph,START,EDND
graph = StateGraph(AppState)
graph.add\_node("dodge\_check",dodge\_check\_node)
graph.add\_node("character\_status",display\_character\_status)
graph.add\_edge(START, "dodge\_check")
graph.add\_edge( "dodge\_check", "character\_status")
graph.add\_edge("character\_status",END)
app = graph.compile()
1.激活StateGraph
from langgraph.graph import StateGraph
graph = StateGraph(AppState)
首先，从LangGraph官方库中导入StateGraph，我们需要向StateGraph传入我们前面定义好的state，从而实例化一个Graph。
2.增加节点
graph.add\_node("dodge\_check",dodge\_check\_node)
graph.add\_node("character\_status",display\_character\_status)
然后，一个一个的把前面写好的Node函数，以Node的形式加入到Graph里。方法就是使用add\_node函数，传入两个参数，首先是字符串形式的节点名称，这个也是任意取的，然后就是前面已经定义好的节点对应的函数，代表了节点的动作。
3.连接节点
from langgraph.graph import START,EDND
graph.add\_edge(START, "dodge\_check")
graph.add\_edge( "dodge\_check", "character\_status")
graph.add\_edge("character\_status",END)
然后，就是把这些节点，根据刚才取好的名字都连接起来。
这里可以引入现成START和END节点，也可以使用set\_entry\_point()、set\_fiish\_point()这种函数来指定起始点，两种方式都可以
graph.set\_entry\_point("dodge\_check")
graph.add\_edge( "dodge\_check", "character\_status")
graph.set\_finish\_point("character\_status")
4.编译Graph
app = graph.compile()
这是简单但最重要的一步，我们需要使用cpmpile方法来编译我们的Graph，这样我们才能使用它。
Graph的可视化
在使用Graph之前，我们可以将它可视化一下，来看看我们的成果。我直接提供一段代码供大家使用：
from IPython.display import Image,display
display(Image(app.get\_graph().draw\_mermaid\_png()))
代码输出结果如下：
从形式上来看，我们的Graph已经成功地构建起来了。当然，这个Graph非常简陋，除了首尾之外，只有两个直接连接的Node。但显而易见的，只要掌握了方法原理，复杂的Graph我们也能轻松拿捏。
下面我们来跑一下这个Graph看看效果。
使用Graph
使用Graph的方法也非常简单，就是调用invoke，并按state的定义向其传入参数字典即可。
先回顾下我们定义好的state：
class AppState(TypedDict):
char\_class: str
char\_level:int
char\_HP:int
因此，我们可以向invoke传入一个字典，它的信息代表着一个等级为5，血量为10的法师。
result = app.invoke({"char\_class":"法师","char\_level":5,"char\_HP":10})
可以看到，我们的Graph已经成功运行了~~
如图所示，第一部分关于受到伤害的信息，来自于第一个Node，第二部分的角色状态信息，则来自第二个Node。可以看到，我们一开始设定的state中的10点HP，已经因为在第一个Node中受到了2点伤害，被更新为了8点。
好了，以上就是本期的主要内容，后续我会在这个Graph的基础上，逐渐引入更加复杂的要素，带着大家构建出真正的AI Agent。希望喜欢的朋友不要忘了一键三连，祝大家玩的开心！
—— END——
往期精华：
1.COZE教程
AI工作流编排手把手指南之一：Coze智能体的创建与基本设置
AI工作流编排手把手指南之二：Coze智能体的插件添加与调用
Agent | 工作流编排指南4：萌新友好的Coze选择器节点原理及配置教程
Agent | 工作流编排指南5：长文扩写自由 — Coze循环节点用法详解
Coze工作流编排指南6：聊天陪伴类智能体基本工作流详解-快来和玛奇玛小姐姐谈心吧~
PPT自由！Coze工作流 X iSlide插件-小白也能看懂的节点参数配置原理详解
2.MCP探索
Excel-MCP应用 | 自动提取图片数据到Excel的极简工作流手把手教程
markitdown-mcp联动Obsidian-mcp | 一个极简知识管理工作流
【15合1神器】不会代码也能做高级图表！这个MCP工具让我工作效率翻了不止三倍！
【效率翻倍】Obsidian自动待办清单实现：MCP联动Prompt保姆级教程（萌新3分钟上手）
萌新靠MCP实现RPA、爬虫自由？playwright-mcp实操案例分享！
高德、彩云MCP全体验：让Cherry Studio化身私人小助理的喂饭版指南！
3.Prompt设计
干货分享 | Prompt设计心法 - 如何3步做到清晰表达需求？