一、理论部分1. 为什么写作任务更适合用“图Graph”而不是“线性链Chain”传统的链式调用通常是单向的Prompt → LLM → Output。它适合一次性生成类任务但不擅长表达真实写作过程中的“循环改稿”先构思大纲Planner再写初稿Writer再审阅并提出修改意见Critique如果不满意回到写作节点继续修改直到满意或达到修改上限这种“写不好就重写”的结构本质上是一个循环Loop。LangGraph 的核心优势就是用图结构来描述可循环、可分支、可控终止的流程。2. State状态是图编排的核心把“过程记忆”显式化在多轮节点执行中系统必须持续携带关键上下文。LangGraph 通过 State 把这些数据显式建模并在节点间传递。本项目使用的状态字段包括topic写作主题plan写作大纲draft当前草稿critique审阅意见revision_number当前修改轮次max_revisions最大修改轮次用于防止死循环与“聊天记忆”不同这里 State 更像是一个明确的“工作流上下文对象”每个节点只读写自己负责的字段流程更可控。3. 三类节点NodesPlanner / Writer / Critique 的职责分离为了让系统可维护我们将写作过程拆成三个职责清晰的节点Planner根据主题生成写作大纲结构与要点Writer根据大纲生成初稿或根据批评意见修改草稿Critique以“主编/审稿人”角色审阅草稿指出问题与修改建议这种职责分离的设计能有效减少 Prompt 混乱便于后续加入更多节点例如 Research 搜索、引用校验、风格统一等。4. 条件边Conditional Edge如何决定继续修改还是结束图的关键不只是节点还包括“边”的控制逻辑。本项目用一个should_continue函数作为条件路由若revision_number max_revisions强制结束避免无限循环几乎所有“可自我迭代”的 Agent 都必须有这种上限保护。若 Critique 返回PERFECT提前结束认为已经满意否则回到 Writer进入下一轮“根据意见重写”。二、实战部分1. 项目目标实现一个基于 LangGraph 的智能写作系统具备自动生成大纲Planner自动撰写初稿Writer自动审阅并提出修改意见Critique自动循环改稿最多修改 N 次或主编通过即停止2. 运行准备请确保本地已安装依赖并配置环境变量不要把真实密钥写进代码或公开仓库依赖安装示例pipinstall-rrequirements.txt环境变量示例DEEPSEEK_API_KEYDEEPSEEK_BASE_URL说明本项目使用langgraph构建图使用langchain_openai.ChatOpenAI连接 DeepSeekOpenAI 兼容接口。若希望更稳定输出可以适当降低temperature或对 Planner/Writer/Critique 使用不同温度。3. 项目代码核心实现本项目代码集中在一个脚本中包含State 定义、三个节点函数、条件边逻辑、图构建与运行入口。下面给出完整核心代码可直接运行importosfromtypingimportTypedDictfromdotenvimportload_dotenvfromlangchain_openaiimportChatOpenAIfromlangchain_core.messagesimportSystemMessage,HumanMessagefromlanggraph.graphimportStateGraph,END load_dotenv()classAgentState(TypedDict):topic:strplan:strdraft:strcritique:strrevision_number:intmax_revisions:intllmChatOpenAI(modeldeepseek-chat,openai_api_keyos.getenv(DEEPSEEK_API_KEY),openai_api_basehttps://api.deepseek.com,temperature0.7,)defplan_node(state:AgentState):print(f--- [Planner] 正在为主题 {state[topic]} 生成大纲 ---)messages[SystemMessage(content你是一名专业的内容策略师。你的目标是为博客文章创建一个详细的大纲。),HumanMessage(contentf请为这个主题创建一个大纲:{state[topic]}),]responsellm.invoke(messages)return{plan:response.content}defwrite_node(state:AgentState):print(f--- [Writer] 正在撰写草稿 (第{state[revision_number]1}版) ---)ifstate[revision_number]0:contentf根据这个大纲写一篇博客文章:\n\n{state[plan]}else:content(f这是你之前的草稿:\n{state[draft]}\n\nf这是主编的修改意见:\n{state[critique]}\n\n请根据意见修改并重写这篇文章。)messages[SystemMessage(content你是一名专业的技术作家。文风通俗易懂逻辑严密。),HumanMessage(contentcontent),]responsellm.invoke(messages)return{draft:response.content,revision_number:state[revision_number]1}defcritique_node(state:AgentState):print(--- [Critique] 正在审阅草稿 ---)messages[SystemMessage(content你是一名严格的主编。请指出文章中的逻辑漏洞、啰嗦的部分或缺失的信息。如果文章已经非常完美只需回复 PERFECT。),HumanMessage(contentf请审阅这篇草稿:\n{state[draft]}),]responsellm.invoke(messages)return{critique:response.content}defshould_continue(state:AgentState):critiquestate.get(critique,)ifstate[revision_number]state[max_revisions]:print(--- [System] 已达到最大修改次数停止 ---)returnENDifPERFECTincritique.upper():print(--- [System] 主编已通过停止 ---)returnENDprint(--- [System] 需要进一步修改 ---)returnwriterworkflowStateGraph(AgentState)workflow.add_node(planner,plan_node)workflow.add_node(writer,write_node)workflow.add_node(critique,critique_node)workflow.set_entry_point(planner)workflow.add_edge(planner,writer)workflow.add_edge(writer,critique)workflow.add_conditional_edges(critique,should_continue,{writer:writer,END:END,},)appworkflow.compile()if__name____main__:print(*50)print( AI 智能写作助手 (基于 LangGraph))print(*50)user_topicinput(请输入你要写作的主题 (直接回车使用默认主题): ).strip()ifnotuser_topic:user_topicAgentic AI (智能体人工智能) 在 2025 年的发展趋势print(f⚠️ 未检测到输入将使用默认主题:{user_topic})initial_state{topic:user_topic,max_revisions:2,revision_number:0,plan:,draft:,critique:,}print(f\n 开始策划与写作:{user_topic}...)final_stateapp.invoke(initial_state)print(\n*50)print(✅ 最终完成的稿件:)print(*50)print(final_state[draft])print(*50)4. 如何运行在项目根目录执行python stage_04_enterprise_frameworks/project_06_research_agent/main.py启动后输入主题即可。如果直接回车将使用默认主题并开始自动写作与迭代改稿。5. 运行结果示例运行过程的典型日志形态如下内容会随模型生成有所变化 AI 智能写作助手 (基于 LangGraph) 请输入你要写作的主题 (直接回车使用默认主题): ⚠️ 未检测到输入将使用默认主题: Agentic AI (智能体人工智能) 在 2025 年的发展趋势 开始策划与写作: Agentic AI (智能体人工智能) 在 2025 年的发展趋势... --- [Planner] 正在为主题 Agentic AI (智能体人工智能) 在 2025 年的发展趋势 生成大纲 --- --- [Writer] 正在撰写草稿 (第 1 版) --- --- [Critique] 正在审阅草稿 --- --- [System] 需要进一步修改 --- --- [Writer] 正在撰写草稿 (第 2 版) --- --- [Critique] 正在审阅草稿 --- --- [System] 已达到最大修改次数停止 --- ✅ 最终完成的稿件: 最终文章正文内容... 6. 项目总结LangGraph 用图结构表达“循环改稿”的真实写作流程比线性链更适配复杂可迭代任务。State 将过程上下文显式化使各节点职责清晰、数据流可控便于扩展更多能力节点。通过条件边实现“满意即止 / 达上限即止”是防止无限迭代的工程必需项。该模式可自然扩展增加 Research 节点做资料检索、增加 Human-in-the-loop 节点做人工审核、增加引用校验节点提升事实性。