باز کردن منوی سایت

پروفایل پروژه

LangGraph

فریم‌ورک و ران‌تایم سطح‌پایین LangGraph برای ساخت workflowها و agentهای stateful و چندمرحله‌ای با مدل‌سازی graph-based، persistence و کنترل صریح جریان اجرا.

پروفایل مخزنفریم‌ورک‌های ارکستریشنپیچیده
Stateful orchestrationDurable executionHuman-in-the-loopGraph-based
مسیر/projects/langgraph
نوعفریم‌ورک‌های ارکستریشن
سطحپیچیده
شناسه repoLangGraph

langgraph

پروفایل مستقل برای بررسی پروژه، نه مقاله و نه داشبورد ابزار.

سیگنال‌های سریع

Star12k
Fork1.5k
PR100

خلاصهٔ فوری

LangGraph در اسناد رسمی به‌عنوان یک orchestration framework و runtime سطح‌پایین برای workflowها و agentهای long-running و stateful معرفی می‌شود. تمرکز اصلی آن روی تعریف state، node، edge، checkpointing، durable execution و human-in-the-loop است، نه روی ارائه abstractionهای آماده برای شروع سریع.

Star12k
Fork1.5k
Commit1k
Issue200

نمای پروژه

نمای پروژه

چیست

LangGraph در اسناد رسمی به‌عنوان یک orchestration framework و runtime سطح‌پایین برای workflowها و agentهای long-running و stateful معرفی می‌شود. تمرکز اصلی آن روی تعریف state، node، edge، checkpointing، durable execution و human-in-the-loop است، نه روی ارائه abstractionهای آماده برای شروع سریع.

نیست

یک chatbot ساده یا abstraction سبک برای prototype سریع نیست.

مناسب برای

مناسب برای
workflowهای چندمرحله‌ایagentهای statefulapproval و pause/resumeorchestration قابل‌دیباگ

نامناسب برای

نامناسب برای
فقط یک chain ساده داریدstate و routing explicit نمی‌خواهیدبه abstraction سبک‌تر برای شروع نیاز دارید

سلامت GitHub

سلامت GitHub

Snapshot عمومی repo و مستندات رسمی؛ اعداد با زمان تغییر می‌کنند.

Star12k
Fork1.5k
Commit1k
Issue200
PR100

سطح معماری

سطح معماری

01State تعریف می‌شود

state و transitionها explicit هستند و این برای debug و کنترل مهم است.

02Node و edge ساخته می‌شوند

منطق agent و tool use در graph به صورت مرحله‌ای تعریف می‌شود.

03Routing و checkpoint

routing شرطی، checkpoint و durable execution کنترل جریان را قابل‌اعتماد می‌کنند.

04Human-in-the-loop

برای approval، pause و resume می‌توان انسان را وارد loop کرد.

ماتریس توانمندی Agent

ماتریس توانمندی Agent

Stateful orchestration
قوی

برای flowهای چندمرحله‌ای و قابل کنترل ساخته شده است.

Tool coordination
قوی

tool use را در لایه orchestration قابل‌ردیابی نگه می‌دارد.

Human approval
خوب

برای pause/resume و approval patternها مناسب است.

Simple chat
ضعیف

برای chatbot ساده معمولاً گزینه اول نیست.

جریان اجرا

جریان اجرا / Runtime

1
1. State model

state، inputها و خروجی‌های بین‌مرحله‌ای را مشخص کنید.

2
2. Nodes

nodeهای خواندن، تصمیم، tool call و اصلاح خروجی را تعریف کنید.

3
3. Routing

edgeهای شرطی و مسیرهای fallback را بنویسید.

4
4. Checkpoint

برای taskهای طولانی، checkpoint و retry را فعال کنید.

ماتریس تناسب

ماتریس تناسب

چندمرحله‌ای و statefulبالا

وقتی مسیر اجرا باید قابل‌ردیابی و قابل‌توقف باشد.

state و routing را explicit طراحی کنید.

Approval workflowبالا

برای pause، review و resume انتخاب مناسب‌تری است.

نقطه approval را قبل از action حساس بگذارید.

Chat سادهکم

برای chat-only abstraction سبک‌تر معمولاً بهتر است.

اگر فقط پاسخ سریع می‌خواهید، ساده‌تر شروع کنید.

رادار ریسک

رادار ریسک

پیچیدگی stateزیاد

اگر model state ضعیف باشد، graph سریعاً پیچیده می‌شود.

طراحی routingمتوسط

edgeهای ضعیف یا مبهم باعث flow شکننده می‌شوند.

فانل مدیریت دسترسیمتوسط

toolهای پرریسک را باید محدود و sandbox کرد.

شواهد

شواهد

ارزش یادگیری

ارزش یادگیری

تفکیک state از logicطراحی routing قابل‌دیباگhuman-in-the-loop واقعیcheckpoint و durable execution

منابع مرتبط / ابزارها

منابع مرتبط / ابزارها

Project Fit

مناسب چه پروژه‌هایی است؟

این ابزار برای چه پروژه‌هایی مناسب است

LangGraph برای workflowهای stateful و orchestration قابل کنترل مناسب است

LangGraph وقتی مفید است که agent شما state نگه دارد، routing روشن بخواهد و اجرای چندمرحله‌ای با checkpoint و approval لازم داشته باشد. این پروژه برای orchestration سطح پایین‌تر و قابل‌دیباگ ساخته شده است.

Backend DeveloperAI Agent BuilderPlatform EngineerAutomation DeveloperAdvanced TeamsPython Developer

Audience

به درد چه کسانی می‌خورد؟

Backend DeveloperAI Agent BuilderPlatform EngineerAutomation DeveloperAdvanced TeamsPython Developer

Use Cases

به درد چه پروژه‌هایی می‌خورد؟

Workflow Orchestration

برای node، edge و routing روشن روی state.

Human-in-the-loop

برای approval step، pause و resume.

Long-running Agent

برای agentهای طولانی با checkpoint.

Tool-rich Flow

برای tool use مرحله‌ای و کنترل‌شده.

Debuggable Automation

برای flowهایی که trace و دیباگ در آن مهم است.

Multi-step Operations

برای taskهای چندمرحله‌ای با state retained.

Fit

میزان تناسب با پروژه‌ها

Stateful orchestrationعالی
Human-in-the-loopخیلی خوب
Durable executionخیلی خوب
Simple chatمتوسط
Static content siteضعیف

Flow

چطور ساده پیاده‌سازی می‌شود؟

1state را تعریف کن
2nodeها را بساز
3edge و routing را بنویس
4checkpoint و retry را اضافه کن
5human approval را تست کن

Requirements

حداقل پیش‌نیازها

PythonState modelLLM APITest workflowRetry plan

Good Fit

چه زمانی انتخاب خوبی است؟

workflow شما چندمرحله‌ای و stateful است.
routing و control execution برایتان مهم است.
human approval یا pause/resume لازم دارید.
debug و trace flow باید روشن باشد.
agent را در لایه orchestration می‌خواهید، نه فقط chat.

Bad Fit

چه زمانی انتخاب خوبی نیست؟

فقط یک chatbot ساده می‌خواهید.
state و routing پیچیده لازم ندارید.
می‌خواهید سریع prototype بی‌دردسر بسازید.
به abstraction سبک‌تر و سطح بالاتر نیاز دارید.
workflow شما یک chain خیلی ساده است.

Example

نمونه تصمیم واقعی

برای یک agent عملیاتی که باید وضعیت task را نگه دارد، approval بگیرد و بعد از خطا از checkpoint برگردد، LangGraph انتخاب خوبی است.