8.2
8.2 智能体工作流、状态机与工具编排
LangGraph 循环图状态机、Checkpoints 持久化与断点续跑、Human-in-the-loop 人工审批、严格 Function Calling 契约、多 Agent 协作与事务补偿。
LangGraph 循环状态机、持久化检查点与人工审批流
支持条件分支与循环流动的图状态机、Checkpoints 状态持久化与任意步骤断点续跑、高风险操作 Human-in-the-loop 人工审核拦截、严格 JSON Schema Function Calling 与短长期情景记忆治理。
🏢 标杆代表企业
LangChain (LangGraph)、Microsoft (AutoGen)、CrewAI、Cognition (Devin)、Dify.ai、Flowise
🛠️ 核心技术栈
LangGraphState MachineCheckpointsHuman-in-the-loopFunction CallingTool SchemaAgent Memory
💼 典型岗位与薪资
Agent Engineer、LLM Application Engineer、AI Engineer
💰 $215K - $460K / 年 (Agent 状态机与核心工程) | ¥62W - ¥145W / 年
📚 先决掌握技能:有向图 (DAG/DCG) 状态机与持久化 Checkpoint 机制 • OpenAI / Anthropic 严格 Function Calling 规范 • Human-in-the-loop 断点恢复与交互式授权设计 • Agent 短期工作上下文与长期向量情景记忆检索
🤖【微沙箱】ReAct 思考-行动循环实战演示
🧠 思考:用户需要检索 2026 年最新大模型显存优化方案,我需要调用知识库搜索工具。
🛠️ Action: SearchKnowledgeBase(query='vLLM PagedAttention FlashAttention-3')
👁️ 观察:召回 3 篇核心考点:PagedAttention 分页管理、SRAM Tiling 与 KV Cache 压缩。
多智能体层级协作、自反思纠错与事务补偿
任务自主拆解与层级委派 (Planning & Delegation)、多 Agent 结构化协议通信、执行轨迹自反思纠错循环 (Reflection / ReAct)、幂等性设计与分布式失败事务补偿 (Saga Pattern)。
🏢 标杆代表企业
Microsoft (AutoGen)、CrewAI、Cognition (Devin)、Temporal、Dify.ai
🛠️ 核心技术栈
Multi-AgentAutoGenCrewAIPlanningReflectionIdempotencySaga PatternTemporal
💼 典型岗位与薪资
Agent Engineer、AI Systems Engineer、AI Solutions Engineer
💰 $220K - $470K / 年 (多智能体与分布式执行) | ¥65W - ¥150W / 年
📚 先决掌握技能:多智能体拓扑架构 (Hierarchical / Peer-to-Peer / Sequential) • ReAct 模式与自我反思 (Self-Reflection) 循环设计 • 分布式系统 Saga 事务补偿模式与幂等键 (Idempotency Key) • 长程任务 (Long-Horizon Tasks) 失败重试与优雅退出策略