这里写自定义目录标题欢迎使用Markdown编辑器一、需求拆解把业务问题翻译成状态图二、状态设计State 是智能体的大脑工作台三、工具编排让 Agent 真正能干活四、错误处理与重试生产系统的生死线五、人工介入human-in-the-loop 的正确姿势六、持久化与断点恢复长任务的关键保障七、可观测性把黑盒变成白盒八、成本控制别让长链任务烧穿预算九、评测闭环Agent 上线前必须回答的四个问题十、总结从 Demo 到生产的心智转变新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# Agent 工程实践用 LangGraph 构建生产级智能体的状态机设计与工具编排上一篇文章我们从选型角度梳理了主流 Agent 框架这篇文章进入实操层面完整走一遍用 LangGraph 构建生产级智能体的过程。我会从一个真实的需求出发——构建一个销售数据分析助手它能回答自然语言问题、查询数据库、生成图表、输出报告同时具备失败重试、人工确认、状态持久化等生产必需的能力。整个过程中我会重点讲解状态机设计的思路、工具编排的细节以及那些文档里不会写清楚的工程陷阱。一、需求拆解把业务问题翻译成状态图任何 Agent 工程的起点都是需求拆解这一步做不好后面全是返工。我们以销售数据分析助手为例梳理出完整的功能清单用户以自然语言提问如上季度华东区各产品线的销售额排名助手需要将问题转化为 SQL 查询并执行查询结果需要进一步分析或可视化涉及敏感数据的查询需要人工确认查询失败SQL 报错、表不存在需要自动修正重试长时间任务需要支持中断恢复把上述需求翻译成状态图核心节点包括意图理解节点、SQL 生成节点、SQL 校验节点、执行节点、结果分析节点、报告生成节点。节点之间的转移条件构成完整的控制流SQL 校验失败回到生成节点并附带错误信息敏感查询进入人工确认节点等待审批执行超时进入错误处理分支。这就是 LangGraph 的核心思想先画图再编码。图是系统设计文档代码只是图的实现。团队评审时直接看状态图比读代码直观得多。二、状态设计State 是智能体的大脑工作台LangGraph 中State 是整个图共享的数据结构所有节点读写同一份状态。状态设计的好坏直接决定系统的表达能力。我推荐把状态分成几个明确的部分。第一是输入与目标记录用户的原始问题、解析后的意图、任务的最终目标。第二是执行上下文当前步骤、已执行的工具列表、中间结果缓存。第三是错误与重试信息最近一次错误信息、重试次数、是否达到重试上限。第四是元信息开始时间、token 消耗、当前会话 ID。在代码层面LangGraph 用 TypedDict 或 Pydantic 模型定义状态支持reducer机制控制状态如何更新。默认行为是覆盖写但你可以在关键字段上自定义 reducer比如把错误历史做 append 而不是覆盖把已执行步骤累积成列表。合理使用 reducer 能让状态演进更清晰也便于后续的调试和复盘。一个容易踩的坑是把大对象塞进状态。比如把整个查询结果集几千行数据放进状态会导致每次节点间传递都携带大量数据拖慢执行、浪费 token。正确的做法是状态里只放轻量引用如文件路径、结果摘要重数据放外部存储文件系统、数据库、对象存储。三、工具编排让 Agent 真正能干活工具Tool是智能体的行动手段。在 LangGraph 中工具通常以函数形式注册函数签名和文档字符串就是模型的使用说明书。工具设计有三个关键原则。第一个原则是单一职责。每个工具只做一件事query_sales_db 只负责查数据库generate_chart 只负责出图send_report 只负责发送。不要设计一个万能工具让模型自己拆解模型对复杂工具的参数理解经常出错。第二个原则是参数描述要极其详细。模型通过函数签名理解工具参数名、类型、默认值、取值范围、示例值都要写清楚。比如日期参数要说明格式是 YYYY-MM-DD地区参数要列出合法取值。我在实践中发现工具描述写得好不好直接决定工具调用成功率这个差距往往有 10 到 20 个百分点。第三个原则是错误要可理解。工具抛出的异常信息会作为观察结果回传给模型用于下一步决策。所以异常信息必须面向模型编写不仅说查询失败还要说表 sales_2024 不存在可尝试的表有 sales_2023、sales_all。这样模型才能做出有效的修正动作而不是瞎猜。工具编排上LangGraph 提供了多种模式可以让 Agent 节点在 ReAct 循环中自主选择工具也可以预先指定某个工具绑定的节点实现固定流程。我的建议是混合使用主干流程用显式节点控制保证可控性局部探索用自主工具调用保留灵活性。四、错误处理与重试生产系统的生死线Agent 的每一步都可能失败模型输出非法 JSON、工具参数校验不过、外部 API 超时、数据库连接中断。没有任何框架能替你兜底错误处理必须自己设计。这里分享一套经过实战检验的分层策略。第一层是格式校验。模型返回的工具调用参数可能不是合法 JSON或者字段缺失。在进入工具执行前先做严格校验失败则把校验错误信息回传模型让它重新生成。这一层能拦截掉大部分低质量输出。第二层是执行重试。工具调用本身失败网络问题、临时故障可以自动重试但必须设置次数上限通常 2-3 次和退避策略。注意区分可重试错误超时、5xx和不可重试错误权限不足、参数非法不可重试的直接进入人工或失败分支避免无意义重试。第三层是策略切换。同一重试次数内仍未成功可以尝试切换策略换一种 SQL 写法、换一个数据源、把问题拆成更小的子查询。这个能力依赖模型本身的质量需要在提示词里明确授权模型可以尝试替代方案。第四层是人工兜底。所有自动策略都失败后进入人工处理分支——把错误信息和上下文打包通知运维人员同时在用户侧给出降级回复。生产系统必须有人工兜底纯自动化的 Agent 在真实环境里早晚出事故。LangGraph 的条件边conditional edges让这套策略实现得非常干净每个节点后跟一个路由函数根据状态里的错误信息、重试次数决定下一个节点是重试“换策略还是人工介入”。五、人工介入human-in-the-loop 的正确姿势金融、医疗、政务场景几乎都要求关键操作有人工确认。LangGraph 的 interrupt 机制原生支持这一点在图执行到人工确认节点时挂起保存状态等待外部系统注入确认结果后继续执行。设计人工介入要注意三点。第一介入点要少而精。每个介入点都意味着流程停顿和人工成本只在真正高风险的操作上设置比如删除数据“大额转账”“发送对外消息”。第二给人工足够的信息。确认界面要展示完整的上下文用户请求、Agent 打算执行的动作、涉及的数据、潜在风险让确认者能做出知情决策。第三支持超时自动处理。人工可能不在岗介入点要配置超时策略超时后默认拒绝、自动降级或进入队列等待。我在项目中常用的一套做法是Agent 执行到敏感节点时通过消息平台飞书/企微推送一条带确认按钮的卡片人工点击后回调接口恢复执行。这套机制在真实环境中稳定运行了很久比轮询数据库状态的方式可靠得多。六、持久化与断点恢复长任务的关键保障生产级 Agent 必须支持持久化。原因很简单模型推理是概率性的进程可能崩溃、服务可能重启、任务可能跨越数小时甚至数天。没有持久化一切重来。LangGraph 支持将状态检查点checkpoint持久化到多种后端包括内存、SQLite、PostgreSQL 等。每个节点执行后都会写入检查点进程崩溃后可以从最近一个检查点恢复执行。这个能力在批量处理、定时任务、跨天执行等场景中是刚需。持久化设计上要注意只持久化必要字段避免把大对象如完整查询结果塞进检查点检查点要有清理策略防止无限增长恢复时要校验外部资源的一致性——比如数据库连接是否还活着、临时文件是否还在。另外一个实用技巧是结合消息队列实现任务编排。把 Agent 任务包装成消息投递到队列消费者恢复检查点继续执行天然获得并发控制、失败重投、进度追踪能力。这套消息队列 检查点的组合是生产级 Agent 的常见底座。七、可观测性把黑盒变成白盒Agent 的调试难度远高于传统程序因为每次执行都是模型概率性推理的结果不可复现。因此可观测性不是可选项而是生产必需。建议至少埋点以下信息每次模型调用的输入输出尤其是工具调用参数、每个节点的进入和退出时间、状态在每个节点的变更摘要、token 消耗、重试和错误记录。LangGraph 本身支持追踪也可以接入 LangSmith、Langfuse 等平台统一管理。除了结构化日志还要做执行轨迹回放。把一次完整任务的节点序列、状态变迁、关键决策点记录下来出问题时能像看录像一样回放快速定位是规划错了还是工具执行错了还是结果解读错了。我在排查线上问题时轨迹回放帮我节省了大量时间。八、成本控制别让长链任务烧穿预算Agent 任务的 token 消耗是单次问答的数十倍成本控制必须前置设计。几个实用的控制手段一是步数上限任务最多执行 N 步通常 20-50超过即终止防止失控循环二是token 预算每次模型调用设置 max_tokens整任务设置累计上限三是分级模型简单步骤用便宜小模型复杂推理步骤才用强模型配合路由逻辑可以省下 30%-50% 的成本四是缓存复用重复的工具结果、相同的系统提示词前缀可以缓存避免重复计费。成本数据本身也要可视化每任务的 token 消耗、每用户每月的成本、成本最高的任务类型这些指标进入团队视野后优化动力自然就有了。九、评测闭环Agent 上线前必须回答的四个问题Agent 系统的评测比传统 RAG 问答更复杂因为它有执行动作、有中间步骤。上线前至少回答四个问题任务完成率——给定的 N 个任务里多少比例被成功完成工具调用准确率——模型选对工具、传对参数的比例错误恢复率——出现错误后能自行恢复的比例成本与时长——平均每次任务的 token 消耗和执行时间。评测集的建设要贴近真实从线上日志里抽真实用户问题覆盖正常场景、边界场景、恶意输入。评测要自动化写一个评测 runner批量执行任务、比对结果、输出指标报告纳入 CI 流程每次改动模型或提示词都跑一遍防止回归。十、总结从 Demo 到生产的心智转变用 LangGraph 构建生产级 Agent本质上是把做一个聪明的聊天机器人的思维转变成设计一套可靠的执行系统的思维。状态机让流程可控工具编排让能力可扩展错误处理让系统可生存人工介入让风险可管理持久化让任务可持续可观测性让问题可定位成本控制让业务可持续评测闭环让质量可保障。这些工程能力没有一样是炫酷的但它们才是 Agent 从 Demo 走向生产的分水岭。技术选型可以很快工程打磨需要耐心。把状态图设计清楚把边界条件想明白把失败路径都覆盖到你的 Agent 才能真正扛住真实业务的考验。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎
Agent 工程实践：用 LangGraph 构建生产级智能体的状态机设计与工具编排
这里写自定义目录标题欢迎使用Markdown编辑器一、需求拆解把业务问题翻译成状态图二、状态设计State 是智能体的大脑工作台三、工具编排让 Agent 真正能干活四、错误处理与重试生产系统的生死线五、人工介入human-in-the-loop 的正确姿势六、持久化与断点恢复长任务的关键保障七、可观测性把黑盒变成白盒八、成本控制别让长链任务烧穿预算九、评测闭环Agent 上线前必须回答的四个问题十、总结从 Demo 到生产的心智转变新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# Agent 工程实践用 LangGraph 构建生产级智能体的状态机设计与工具编排上一篇文章我们从选型角度梳理了主流 Agent 框架这篇文章进入实操层面完整走一遍用 LangGraph 构建生产级智能体的过程。我会从一个真实的需求出发——构建一个销售数据分析助手它能回答自然语言问题、查询数据库、生成图表、输出报告同时具备失败重试、人工确认、状态持久化等生产必需的能力。整个过程中我会重点讲解状态机设计的思路、工具编排的细节以及那些文档里不会写清楚的工程陷阱。一、需求拆解把业务问题翻译成状态图任何 Agent 工程的起点都是需求拆解这一步做不好后面全是返工。我们以销售数据分析助手为例梳理出完整的功能清单用户以自然语言提问如上季度华东区各产品线的销售额排名助手需要将问题转化为 SQL 查询并执行查询结果需要进一步分析或可视化涉及敏感数据的查询需要人工确认查询失败SQL 报错、表不存在需要自动修正重试长时间任务需要支持中断恢复把上述需求翻译成状态图核心节点包括意图理解节点、SQL 生成节点、SQL 校验节点、执行节点、结果分析节点、报告生成节点。节点之间的转移条件构成完整的控制流SQL 校验失败回到生成节点并附带错误信息敏感查询进入人工确认节点等待审批执行超时进入错误处理分支。这就是 LangGraph 的核心思想先画图再编码。图是系统设计文档代码只是图的实现。团队评审时直接看状态图比读代码直观得多。二、状态设计State 是智能体的大脑工作台LangGraph 中State 是整个图共享的数据结构所有节点读写同一份状态。状态设计的好坏直接决定系统的表达能力。我推荐把状态分成几个明确的部分。第一是输入与目标记录用户的原始问题、解析后的意图、任务的最终目标。第二是执行上下文当前步骤、已执行的工具列表、中间结果缓存。第三是错误与重试信息最近一次错误信息、重试次数、是否达到重试上限。第四是元信息开始时间、token 消耗、当前会话 ID。在代码层面LangGraph 用 TypedDict 或 Pydantic 模型定义状态支持reducer机制控制状态如何更新。默认行为是覆盖写但你可以在关键字段上自定义 reducer比如把错误历史做 append 而不是覆盖把已执行步骤累积成列表。合理使用 reducer 能让状态演进更清晰也便于后续的调试和复盘。一个容易踩的坑是把大对象塞进状态。比如把整个查询结果集几千行数据放进状态会导致每次节点间传递都携带大量数据拖慢执行、浪费 token。正确的做法是状态里只放轻量引用如文件路径、结果摘要重数据放外部存储文件系统、数据库、对象存储。三、工具编排让 Agent 真正能干活工具Tool是智能体的行动手段。在 LangGraph 中工具通常以函数形式注册函数签名和文档字符串就是模型的使用说明书。工具设计有三个关键原则。第一个原则是单一职责。每个工具只做一件事query_sales_db 只负责查数据库generate_chart 只负责出图send_report 只负责发送。不要设计一个万能工具让模型自己拆解模型对复杂工具的参数理解经常出错。第二个原则是参数描述要极其详细。模型通过函数签名理解工具参数名、类型、默认值、取值范围、示例值都要写清楚。比如日期参数要说明格式是 YYYY-MM-DD地区参数要列出合法取值。我在实践中发现工具描述写得好不好直接决定工具调用成功率这个差距往往有 10 到 20 个百分点。第三个原则是错误要可理解。工具抛出的异常信息会作为观察结果回传给模型用于下一步决策。所以异常信息必须面向模型编写不仅说查询失败还要说表 sales_2024 不存在可尝试的表有 sales_2023、sales_all。这样模型才能做出有效的修正动作而不是瞎猜。工具编排上LangGraph 提供了多种模式可以让 Agent 节点在 ReAct 循环中自主选择工具也可以预先指定某个工具绑定的节点实现固定流程。我的建议是混合使用主干流程用显式节点控制保证可控性局部探索用自主工具调用保留灵活性。四、错误处理与重试生产系统的生死线Agent 的每一步都可能失败模型输出非法 JSON、工具参数校验不过、外部 API 超时、数据库连接中断。没有任何框架能替你兜底错误处理必须自己设计。这里分享一套经过实战检验的分层策略。第一层是格式校验。模型返回的工具调用参数可能不是合法 JSON或者字段缺失。在进入工具执行前先做严格校验失败则把校验错误信息回传模型让它重新生成。这一层能拦截掉大部分低质量输出。第二层是执行重试。工具调用本身失败网络问题、临时故障可以自动重试但必须设置次数上限通常 2-3 次和退避策略。注意区分可重试错误超时、5xx和不可重试错误权限不足、参数非法不可重试的直接进入人工或失败分支避免无意义重试。第三层是策略切换。同一重试次数内仍未成功可以尝试切换策略换一种 SQL 写法、换一个数据源、把问题拆成更小的子查询。这个能力依赖模型本身的质量需要在提示词里明确授权模型可以尝试替代方案。第四层是人工兜底。所有自动策略都失败后进入人工处理分支——把错误信息和上下文打包通知运维人员同时在用户侧给出降级回复。生产系统必须有人工兜底纯自动化的 Agent 在真实环境里早晚出事故。LangGraph 的条件边conditional edges让这套策略实现得非常干净每个节点后跟一个路由函数根据状态里的错误信息、重试次数决定下一个节点是重试“换策略还是人工介入”。五、人工介入human-in-the-loop 的正确姿势金融、医疗、政务场景几乎都要求关键操作有人工确认。LangGraph 的 interrupt 机制原生支持这一点在图执行到人工确认节点时挂起保存状态等待外部系统注入确认结果后继续执行。设计人工介入要注意三点。第一介入点要少而精。每个介入点都意味着流程停顿和人工成本只在真正高风险的操作上设置比如删除数据“大额转账”“发送对外消息”。第二给人工足够的信息。确认界面要展示完整的上下文用户请求、Agent 打算执行的动作、涉及的数据、潜在风险让确认者能做出知情决策。第三支持超时自动处理。人工可能不在岗介入点要配置超时策略超时后默认拒绝、自动降级或进入队列等待。我在项目中常用的一套做法是Agent 执行到敏感节点时通过消息平台飞书/企微推送一条带确认按钮的卡片人工点击后回调接口恢复执行。这套机制在真实环境中稳定运行了很久比轮询数据库状态的方式可靠得多。六、持久化与断点恢复长任务的关键保障生产级 Agent 必须支持持久化。原因很简单模型推理是概率性的进程可能崩溃、服务可能重启、任务可能跨越数小时甚至数天。没有持久化一切重来。LangGraph 支持将状态检查点checkpoint持久化到多种后端包括内存、SQLite、PostgreSQL 等。每个节点执行后都会写入检查点进程崩溃后可以从最近一个检查点恢复执行。这个能力在批量处理、定时任务、跨天执行等场景中是刚需。持久化设计上要注意只持久化必要字段避免把大对象如完整查询结果塞进检查点检查点要有清理策略防止无限增长恢复时要校验外部资源的一致性——比如数据库连接是否还活着、临时文件是否还在。另外一个实用技巧是结合消息队列实现任务编排。把 Agent 任务包装成消息投递到队列消费者恢复检查点继续执行天然获得并发控制、失败重投、进度追踪能力。这套消息队列 检查点的组合是生产级 Agent 的常见底座。七、可观测性把黑盒变成白盒Agent 的调试难度远高于传统程序因为每次执行都是模型概率性推理的结果不可复现。因此可观测性不是可选项而是生产必需。建议至少埋点以下信息每次模型调用的输入输出尤其是工具调用参数、每个节点的进入和退出时间、状态在每个节点的变更摘要、token 消耗、重试和错误记录。LangGraph 本身支持追踪也可以接入 LangSmith、Langfuse 等平台统一管理。除了结构化日志还要做执行轨迹回放。把一次完整任务的节点序列、状态变迁、关键决策点记录下来出问题时能像看录像一样回放快速定位是规划错了还是工具执行错了还是结果解读错了。我在排查线上问题时轨迹回放帮我节省了大量时间。八、成本控制别让长链任务烧穿预算Agent 任务的 token 消耗是单次问答的数十倍成本控制必须前置设计。几个实用的控制手段一是步数上限任务最多执行 N 步通常 20-50超过即终止防止失控循环二是token 预算每次模型调用设置 max_tokens整任务设置累计上限三是分级模型简单步骤用便宜小模型复杂推理步骤才用强模型配合路由逻辑可以省下 30%-50% 的成本四是缓存复用重复的工具结果、相同的系统提示词前缀可以缓存避免重复计费。成本数据本身也要可视化每任务的 token 消耗、每用户每月的成本、成本最高的任务类型这些指标进入团队视野后优化动力自然就有了。九、评测闭环Agent 上线前必须回答的四个问题Agent 系统的评测比传统 RAG 问答更复杂因为它有执行动作、有中间步骤。上线前至少回答四个问题任务完成率——给定的 N 个任务里多少比例被成功完成工具调用准确率——模型选对工具、传对参数的比例错误恢复率——出现错误后能自行恢复的比例成本与时长——平均每次任务的 token 消耗和执行时间。评测集的建设要贴近真实从线上日志里抽真实用户问题覆盖正常场景、边界场景、恶意输入。评测要自动化写一个评测 runner批量执行任务、比对结果、输出指标报告纳入 CI 流程每次改动模型或提示词都跑一遍防止回归。十、总结从 Demo 到生产的心智转变用 LangGraph 构建生产级 Agent本质上是把做一个聪明的聊天机器人的思维转变成设计一套可靠的执行系统的思维。状态机让流程可控工具编排让能力可扩展错误处理让系统可生存人工介入让风险可管理持久化让任务可持续可观测性让问题可定位成本控制让业务可持续评测闭环让质量可保障。这些工程能力没有一样是炫酷的但它们才是 Agent 从 Demo 走向生产的分水岭。技术选型可以很快工程打磨需要耐心。把状态图设计清楚把边界条件想明白把失败路径都覆盖到你的 Agent 才能真正扛住真实业务的考验。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎
