Day 60 / 共 60 天 · 阶段 10 运行时·生产·收官 🏁

收官：把 60 天拼成一张地图

你走到了终点。这一天不讲新源码，而是把前 59 天散落的知识点收拢成一张完整的地图——从「一个 StateGraph 怎么定义」一路到「一个可部署的 Server」，看清每块拼图在整体中的位置。然后横向对比六个 Agent 框架的取舍，最后给你一条继续走下去的路。恭喜，也辛苦了。

📍 全程回望 · 10 个阶段 60 天，你在终点

①入门→ ②状态流→ ③控制流→ ④Pregel→ ⑤通道→ ⑥持久化→ ⑦中断→ ⑧函数式→ ⑨预制流式→ ⑩生产收官

💡 一句话总结你学到了什么 LangGraph 的本质，就一句话：把「一个 Agent 的推理过程」建模成一张图，用 Pregel 超步引擎驱动它一步步跑，用通道管数据、用 checkpoint 存进度，从而让它可中断、可回放、可分布式、可上线。这 60 天，你把这句话里的每一个词都拆到了源码层。

L01

60 天，我们到底走了什么路

还记得 Day 1 那个疑问吗——「LangGraph 和 LangChain 到底啥关系，它解决什么」。现在你能自己回答了：LangChain 管「怎么调一次模型/工具」，LangGraph 管「怎么把很多次调用编排成一个有状态、能循环、能人工介入的流程」。60 天就是沿着这个「编排引擎」从外到内、再从内到上线，走了一圈：

看得见的层

StateGraph / 节点 / 边 / State —— 你写的 API（阶段 1-3）

看不见的引擎

Pregel 超步循环 / 通道 / checkpoint —— 框架的核心（阶段 4-6）

高级能力

中断人在环 / 函数式 / 子图 / 预制件 / 流式（阶段 7-9）

上线

Runtime / 错误 / CLI 部署（阶段 10）

👶 大白话前三个阶段学的是「你怎么用」，中间三个学的是「它内部怎么转」，后三个学的是「怎么玩出花」，最后学「怎么发货」。一个完整的软件生命周期：会用 → 懂原理 → 用得高级 → 能上线。这正是「读懂一个框架源码」该有的深度。

L02

十阶段知识地图（一张大图）

把 60 天钉在一张图上。每个阶段标注了「核心源码文件」和「你该记住的一句话」：

图注：绿=你写的 API 层，蓝=数据/控制流，紫=核心引擎（深水区），橙=高级能力，青=预制/流式，靛=上线。

阶段	一句话记住	核心源码
① 入门	图 = 节点 + 边 + 共享状态	graph/state.py
② 状态流	reducer 决定「新旧值怎么合并」	graph/message.py, channels/binop.py
③ 控制流	条件边/Command/Send 决定「下一步去哪、扇出几份」	graph/_branch.py, types.py
④ Pregel ★	超步循环：准备任务→并行执行→apply_writes→存档	pregel/_loop.py, _algo.py
⑤ 通道	每个 state 字段背后是一个 Channel 存取策略	channels/*.py
⑥ 持久化 ★	checkpoint 拆值存 blob；Store 管跨线程长期记忆	libs/checkpoint*
⑦ 中断	interrupt 抛异常暂停，Command(resume=) 从断点续	types.py, pregel
⑧ 函数式	@entrypoint/@task 把普通函数变成图	func/__init__.py
⑨ 预制/流式	create_react_agent 开箱即用；5 种 stream 模式	prebuilt/*, pregel/_messages.py
⑩ 生产	Runtime 注入依赖；langgraph.json + CLI 打包上线	runtime.py, libs/cli

L03

一条主线：一次 invoke 内部发生了什么

如果只让你记一件事，记这个——把 graph.invoke({"messages":[...]}, config) 到返回结果之间发生的全过程串起来，你就把 60 天的知识点全用上了：

图注：橙色虚线是「循环回边」——只要还有活跃节点，就回到步骤4 开下一个超步。这就是 Pregel 的心跳，也是 60 天所有知识点的交汇处。

💡 能把这张图讲清楚，你就真的懂 LangGraph 了这 11 步里，几乎每一步都对应一个阶段：输入输出映射（阶段4）、恢复存档（阶段6）、超步循环（阶段4）、通道写入（阶段5）、中断（阶段7）、Runtime 注入（阶段10）、流式（阶段9）。它们不是孤立的知识点，而是一次执行里前后咬合的齿轮。面试时被问「LangGraph 内部怎么跑的」，把这张图讲一遍就是满分答案。

L04

六框架横向对比：LangGraph 站在哪

本站还做了 eino / OpenHands / CrewAI / AutoGPT 等一系列框架的源码教程。学完 LangGraph，横向对比能帮你建立「选型直觉」——没有最好的框架，只有最合适的场景：

框架	核心抽象	擅长	取舍
LangGraph	状态图 + Pregel 超步 + checkpoint	需要循环、人在环、持久化、可回放的有状态复杂 Agent	概念多、上手陡；但生产能力最全
LangChain	Chain / Runnable 链	线性的「取数据→喂模型→出结果」流水线	不擅长循环与复杂状态（所以才有了 LangGraph）
CrewAI	Role/Agent/Task/Crew 角色协作	「多个角色分工协作」的直觉式建模，上手快	底层编排能力弱于图模型，复杂控制流受限
AutoGPT	目标驱动的自主循环	「给个目标自己想办法」的实验性自治	可控性/可靠性弱，偏演示
OpenHands	Event 流 + Agent/Runtime 沙箱	软件工程类 Agent（读写代码、跑命令）	面向 coding 场景，通用编排非重点
eino (字节)	Graph/Chain 编排（Go）	Go 生态、强类型、高性能服务端	生态与 Python LLM 工具链相比较新

💡 选型直觉：什么时候选 LangGraph当你的需求里出现这些词——「多轮循环、工具调用后再判断、需要人工审批、崩了要能续跑、要能回看历史步骤、要上线扛并发」——LangGraph 的每一个特性都是为它们量身打造的。反过来，如果只是「一次性把文档喂给模型总结一下」，用 LangChain 甚至直接调 SDK 就够了，上 LangGraph 是杀鸡用牛刀。框架的复杂度应该匹配问题的复杂度。

👶 学了 LangGraph，其它框架还用重新学吗？

👨‍🏫 不用从零学。因为你已经掌握了Agent 编排的通用心智：状态怎么管、控制流怎么走、工具怎么调、多步怎么协作。换个框架，只是换一套 API 名字和抽象包装——CrewAI 的 Task、eino 的 Graph、OpenHands 的 Event，本质都在解决你已经理解的同一批问题。这就是深读一个框架源码的复利：第一个框架学原理，后面的框架都是查文档。

L05

学习与求职建议：下一步走哪

🤔 你可能正在想「源码是读完了，但离『能拿这个吃饭』还有多远？简历上怎么写？下一步该做什么项目？」

三条务实的路，按你的目标挑：

🛠 想做工程

用 LangGraph 做一个带持久化 + 人在环 + 流式的完整项目（如客服/研究 Agent），走一遍 langgraph dev → build → 部署。把 D59 的部署链路亲手跑通，这就是最好的作品集。

📚 想懂更深

二刷阶段 ④⑥⑦（Pregel/持久化/中断），对照本站其它框架教程横向读。尝试给 LangGraph 提一个小 PR（改文档/加测试也算），体验开源协作。

💼 想求职

把 L03 那张「invoke 生命周期图」讲熟——它是面试杀手锏。简历写「读过 LangGraph 源码，理解 Pregel 超步/checkpoint 机制」，比只写「用过 LangChain」有分量得多。

💡 关于「读源码」这件事本身的收获这 60 天真正训练的，不只是 LangGraph 知识，而是一种能力：面对一个陌生的大型代码库，能从入口一步步啃到核心、看懂设计取舍、还原作者的思考。这个能力换到任何框架、任何语言都通用，是比「会用某个库」值钱得多的硬本事。

本站有一份专门的 Agent 开发求职路线，把「从 0 到能面试」拆成了每天 30 分钟的路径，和这套源码教程正好互补——源码教程给你「深度」，路线图给你「广度和节奏」：

→ 去看《Agent 开发 0→1 学习路线 · 68 天》 ← 回 60 天总目录二刷

L06

收官寄语 + 下一站

🎓 写在最后60 天前，LangGraph 对你可能只是一个「能画 Agent 流程图的库」。60 天后，你能说清它的每一层：为什么用超步而不是普通递归、checkpoint 为什么要拆值存 blob、interrupt 靠抛异常实现、Runtime 为什么不进 state……你不再是「会调 API 的人」，而是「懂它为什么这么设计的人」。这中间的差距，就是这 60 天每天 30 分钟攒下来的。

最后用一段代码收尾——回到最开始，但你现在看它的眼神已经完全不同了：

# 一个 StateGraph，你现在能看穿它背后的每一层
from langgraph.graph import StateGraph, START, END
from langgraph.checkpoint.memory import InMemorySaver

builder = StateGraph(State)          # ← 阶段1：图的骨架
builder.add_node("agent", call_model)   # ← 阶段4：节点会变成 PregelNode
builder.add_conditional_edges("agent", route)  # ← 阶段3：Branch 决定去向
builder.add_edge(START, "agent")     # ← 阶段1：入口
graph = builder.compile(             # ← 编译成 Pregel（阶段4）
    checkpointer=InMemorySaver(),    # ← 阶段6：每步存档
)
graph.invoke({"messages": [...]}, {"configurable": {"thread_id": "1"}})
# ↑ 这一行背后，是 L03 那张 11 步生命周期图的完整运转

💡 从「看代码」到「看穿代码」同样六行代码，60 天前你看到的是「怎么写」，现在你看到的是「每一行会触发框架内部的哪套机制」。这就是读透源码的意义——代码没变，你的眼睛变了。

                    🏁 60 天，你征服了
                    10 个阶段、60 天、覆盖 LangGraph 从 API 到引擎到上线的全栈
核心深水区：Pregel 超步引擎、持久化/checkpoint、中断与人在环
一张能讲清「invoke 内部全过程」的生命周期图（面试杀手锏）
六框架选型直觉 + 一套可迁移的「读大型源码」的方法论

                

🚀 下一站：回到 60 天总目录挑感兴趣的阶段二刷，或跳到 Agent 求职路线把知识变成作品和 offer。感谢你走完这 60 天——真正的学习，从合上教程、打开自己的项目那一刻才开始。

← Day 59 Runtime·部署 🏁 回到 60 天总目录 →