learn-langgraph
链式调用能跑通 Demo，但一旦加入条件分支、循环和错误恢复，代码就会变成意大利面。
LangGraph 用图结构来描述 Agent 的执行逻辑：节点是操作，边是转移，状态是贯穿全程的上下文。这不只是换了一种写法，而是换了一种思维方式——从“怎么写代码”变成“怎么设计状态机”。
这个模块覆盖什么
| # | 文章 | 你会学到什么 |
|---|---|---|
| 01 | LangGraph 是什么，为什么不用链式调用 | 链式调用的局限，图结构的优势，核心抽象 |
| 02 | State、Node、Graph 三件套 | TypedDict 状态设计，节点函数签名，编译与运行 |
| 03 | 顺序图：第一个可运行的 Workflow | add_edge 模式，多节点顺序流，实战 BMI 计算器 |
| 04 | 条件分支：add_conditional_edges | 路由函数，情感分析路由，Pydantic 结构化输出 |
| 05 | 并行执行：Fan-out / Fan-in | 多节点同时启动，汇聚节点，cricket 统计实战 |
| 06 | Prompt Chaining：分步生成 | 拆解生成任务，节点间传递中间结果，HuggingFace 集成 |
| 07 | 接入 LLM：OpenAI 与 HuggingFace | ChatOpenAI，HuggingFaceEndpoint，在节点里调用模型 |
前置知识
- 读过 Agent Basic 或者知道什么是 Agent、Tool Calling
- 会写基本的 Python，知道
TypedDict是什么 - 不需要 LangGraph 经验
从哪里开始
如果完全没接触过 LangGraph，从 第 01 篇 开始读。
如果已经知道 LangGraph 是状态图，想直接上手，从 第 02 篇 开始。