LangChain × LangGraph 分层编排：组合确定性流程与自主 Agent

上一小节，咱们使用 LangGraph 实现了一套研发任务分流流程。

这套流程有三个功能：

• 任务不存在，就要求用户补充任务编号
• 任务已经完成，就直接结束
• 任务仍在进行中，才进入后续处理

这套流程还是蛮稳定，因为每条路径都已经由代码提前写好了。

但是，如果进行中的任务还需要继续分析交付风险，问题就没有这么固定了。

Agent 得先查询测试报告。

如果测试已经全部通过，就不需要再查失败详情。

但是，如果测试失败了，还得继续查询失败位置、断言内容和实际值，最后再生成风险结论。

这里面既有确定的流程，也有不确定的决策。

因此，这样的需求，如果全部交给 LangGraph ，咱们得把每一种 Tool 调用顺序都提前写出来。

而如果全部交给 createAgent()，模型又可能拿一个已经完成或者根本不存在的任务继续分析，白白消耗模型调用。

所以，这一小节要解决的问题就是：

使用 LangGraph 控制确定的业务流程，再把真正需要模型判断的部分交给 LangChain Agent。

也就是 LangChain 和 LangGraph 配合使用，来把 组合确定性流程 与 自主 Agent 进行组合。

如果用个专业的名字表示，那就是 Workflows and agents

其中：

• Workflow 拥有预先确定的代码路径
• Agent 则会动态决定自己的处理过程和 Tool 使用方式

先看一下最终结果

本节代码在：

/Code/Node/第五章/08-langchain-langgraph-workflow

模型环境变量和前几节保持一致，直接执行：

npm run demo

代码运行之后，程序会依次处理三个任务：DEV-1024、DEV-2048、DEV-9999

先看正在进行中的 DEV-1024：

这里同时出现了两条执行路径。

• 外层的 LangGraph 执行路径：load_task → risk_agent → finalize_analysis
• 内层的 Agent 自己决定的 Tool 调用路径：get_latest_test_report → get_failure_detail

接着再看已经完成的 DEV-2048：

任务已经完成，普通代码直接给出了处理结果，模型根本没有被调用。

不存在的 DEV-9999 也是一样：