LangGraph中CompiledGraph调用后intermediate_steps不完整问题解析
2025-07-04 04:14:17作者:秋阔奎Evelyn
在LangGraph项目开发过程中,我们遇到了一个关于Agent执行流程的有趣问题:当使用CompiledGraph调用结构化聊天Agent时,playground界面无法正确显示中间步骤(intermediate_steps)信息。这个问题涉及到LangGraph的核心工作流机制,值得深入探讨。
问题背景
在构建基于LangGraph的React风格Agent时,开发者设计了一个包含多个节点的执行图:
- Agent节点:负责决策和生成动作
- Action节点:负责执行工具调用
- 条件边缘:根据Agent输出决定继续执行还是结束
当这个工作流被编译(compile)后,通过playground界面测试时,虽然Agent能够正常执行搜索等操作,但关键的中间步骤信息却没有在输出中显示。
技术分析
深入代码实现,我们可以发现几个关键点:
-
状态管理:AgentState类型定义中,intermediate_steps字段被标记为可累加(Annotated),这意味着每次工具执行结果都应该被追加到这个列表中。
-
工作流设计:工作流正确设置了节点间的依赖关系,包括条件分支和普通边缘,理论上应该能够完整记录执行过程。
-
版本因素:问题最终在升级到LangGraph 0.0.32版本后解决,这表明这可能是一个已知的框架级问题。
解决方案
经过排查,正确的解决方法是:
- 版本升级:确保使用LangGraph 0.0.32或更高版本
- 配置补充:在调用CompiledGraph时显式添加配置信息
# 升级后正确的调用方式
response = self._workflow_complied.with_config(config).invoke({
"input": input["input"],
"chat_history": [],
})
深入理解
这个问题的本质在于工作流执行时的上下文保持机制。在早期版本中,CompiledGraph可能没有正确处理状态对象的传递,导致中间步骤信息在流程结束后丢失。新版本通过改进状态管理机制,确保了执行上下文的完整性。
对于开发者来说,这提醒我们在使用LangGraph构建复杂工作流时需要注意:
- 状态对象的生命周期管理
- 版本兼容性问题
- 配置信息的完整传递
最佳实践
基于这个案例,我们总结出以下LangGraph开发建议:
- 始终使用最新稳定版本
- 对于状态敏感的操作,显式验证中间状态
- 复杂工作流应包含完整的配置传递链
- 在playground测试前,先进行单元测试验证核心逻辑
这类问题的解决不仅修复了功能缺陷,也加深了我们对LangGraph内部工作机制的理解,为构建更可靠的AI应用奠定了基础。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
859
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
687
1.35 K
Ascend Extension for PyTorch
Python
721
893
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
446
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
620
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
255