跳到内容

持久化执行

持久化执行是一种技术,其中进程或工作流在关键点保存其进度,使其可以暂停并在以后从中断的地方精确恢复。这在需要人工干预的场景中特别有用,用户可以在继续之前检查、验证或修改进程;在可能遇到中断或错误(例如,LLM 调用超时)的长时间运行任务中也很有用。通过保留已完成的工作,持久化执行允许进程在不重新处理先前步骤的情况下恢复——即使在显著延迟后(例如,一周后)。

LangGraph 内置的持久化层为工作流提供持久化执行,确保每个执行步骤的状态都保存到持久存储中。此功能保证,如果工作流中断——无论是由于系统故障还是人工干预——它都可以从上次记录的状态恢复。

提示

如果您使用带检查点的 LangGraph,您已启用持久化执行。您可以随时暂停和恢复工作流,即使在中断或故障之后。为了充分利用持久化执行,请确保您的工作流设计为确定性的幂等的,并将任何副作用或非确定性操作包装在任务中。您可以从StateGraph(图 API)函数式 API中使用任务

要求

要在 LangGraph 中利用持久化执行,您需要

  1. 通过指定一个将保存工作流进度的检查点来在工作流中启用持久化
  2. 在执行工作流时指定一个线程标识符。这将跟踪工作流特定实例的执行历史记录。
  3. 将任何非确定性操作(例如,随机数生成)或带有副作用的操作(例如,文件写入、API 调用)包装在任务中,以确保当工作流恢复时,这些操作不会针对特定运行重复,而是从持久化层检索其结果。有关更多信息,请参阅确定性和一致性回放

确定性和一致性回放

当您恢复工作流运行时,代码并不会从执行停止的同一行代码处恢复;相反,它将识别一个适当的起点,从该点继续执行。这意味着工作流将从起点回放所有步骤,直到达到停止的点。

因此,在编写用于持久化执行的工作流时,您必须将任何非确定性操作(例如,随机数生成)和任何带有副作用的操作(例如,文件写入、API 调用)包装在任务节点中。

为确保您的工作流是确定性的并且可以一致地回放,请遵循以下准则

  • 避免重复工作:如果节点包含多个带有副作用的操作(例如,日志记录、文件写入或网络调用),请将每个操作包装在一个单独的任务中。这确保了当工作流恢复时,这些操作不会重复,并且其结果从持久化层检索。
  • 封装非确定性操作: 将任何可能产生非确定性结果的代码(例如,随机数生成)包装在任务节点中。这确保了在恢复时,工作流按照记录的精确步骤序列以相同的结果执行。
  • 使用幂等操作:如果可能,请确保副作用(例如,API 调用、文件写入)是幂等的。这意味着如果操作在工作流中失败后重试,它将与首次执行时具有相同的效果。这对于导致数据写入的操作尤其重要。如果一个任务开始但未能成功完成,工作流的恢复将重新运行该任务,依靠记录的结果来保持一致性。使用幂等键或验证现有结果以避免意外重复,确保工作流执行流畅且可预测。

有关要避免的一些陷阱示例,请参阅函数式 API 中的常见陷阱部分,该部分展示了如何使用任务来构造代码以避免这些问题。相同的原则也适用于StateGraph(图 API)

在节点中使用任务

如果节点包含多个操作,您可能会发现将每个操作转换为一个任务比将这些操作重构为单独的节点更容易。

from typing import NotRequired
from typing_extensions import TypedDict
import uuid

from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import StateGraph, START, END
import requests

# Define a TypedDict to represent the state
class State(TypedDict):
    url: str
    result: NotRequired[str]

def call_api(state: State):
    """Example node that makes an API request."""
    result = requests.get(state['url']).text[:100]  # Side-effect
    return {
        "result": result
    }

# Create a StateGraph builder and add a node for the call_api function
builder = StateGraph(State)
builder.add_node("call_api", call_api)

# Connect the start and end nodes to the call_api node
builder.add_edge(START, "call_api")
builder.add_edge("call_api", END)

# Specify a checkpointer
checkpointer = MemorySaver()

# Compile the graph with the checkpointer
graph = builder.compile(checkpointer=checkpointer)

# Define a config with a thread ID.
thread_id = uuid.uuid4()
config = {"configurable": {"thread_id": thread_id}}

# Invoke the graph
graph.invoke({"url": "https://www.example.com"}, config)
from typing import NotRequired
from typing_extensions import TypedDict
import uuid

from langgraph.checkpoint.memory import MemorySaver
from langgraph.func import task
from langgraph.graph import StateGraph, START, END
import requests

# Define a TypedDict to represent the state
class State(TypedDict):
    urls: list[str]
    result: NotRequired[list[str]]


@task
def _make_request(url: str):
    """Make a request."""
    return requests.get(url).text[:100]

def call_api(state: State):
    """Example node that makes an API request."""
    requests = [_make_request(url) for url in state['urls']]
    results = [request.result() for request in requests]
    return {
        "results": results
    }

# Create a StateGraph builder and add a node for the call_api function
builder = StateGraph(State)
builder.add_node("call_api", call_api)

# Connect the start and end nodes to the call_api node
builder.add_edge(START, "call_api")
builder.add_edge("call_api", END)

# Specify a checkpointer
checkpointer = MemorySaver()

# Compile the graph with the checkpointer
graph = builder.compile(checkpointer=checkpointer)

# Define a config with a thread ID.
thread_id = uuid.uuid4()
config = {"configurable": {"thread_id": thread_id}}

# Invoke the graph
graph.invoke({"urls": ["https://www.example.com"]}, config)

恢复工作流

一旦您在工作流中启用了持久化执行,您就可以在以下场景中恢复执行

  • 暂停和恢复工作流: 使用中断函数在特定点暂停工作流,并使用Command原语以更新的状态恢复它。有关更多详细信息,请参阅人工干预
  • 从故障中恢复: 在出现异常(例如,LLM 提供商中断)后,自动从上次成功的检查点恢复工作流。这涉及使用相同的线程标识符执行工作流,并为其提供一个None作为输入值(请参阅函数式 API 的此示例)。

恢复工作流的起点

  • 如果您正在使用StateGraph(图 API),则起点是执行停止的节点的开头。
  • 如果您在节点内进行子图调用,则起点将是调用被暂停的子图的节点。在子图内部,起点将是执行停止的特定节点
  • 如果您正在使用函数式 API,则起点是执行停止的入口点的开头。