LangGraph与工作流编排

面试回答

常见问法

为什么 Agent 或多步 AI 系统会需要工作流编排？LangGraph 这类框架解决了什么问题？

回答

因为复杂 AI 系统往往不是一步完成，而是多步决策、多次工具调用和状态流转。工作流编排框架的作用，是把节点、状态、分支、回退和人工介入这些流程能力显式化，让链路更容易控制、调试和恢复。

追问

• 为什么长链路任务更需要状态持久化？
• 编排框架相比手写 if/else 的核心优势是什么？
• 什么情况下编排框架会显得过重？

原理展开

简单链路用几段函数调用就能完成，但一旦进入多步工具执行、条件分支、重试回退和人工审核场景，系统就更像“工作流引擎”而不是单次模型调用。编排框架把状态和节点关系显式建模，让整个执行过程更可观测，也更适合失败恢复。

这类框架的价值不在于“多了一个名字”，而在于它让复杂链路可维护。面试里最好强调：编排不是为了炫技，而是为了控制复杂度。

易错点

• 把编排框架理解成普通链式调用的替代品
• 只讲节点，不讲状态和恢复