持久执行

持久执行是一种技术，工作流或进程会在关键点保存其进度，使其能够暂停并在之后从完全中断的地方恢复。这在需要人在回路的场景中特别有用，用户可以在继续之前检查、验证或修改过程；或者在可能遇到中断或错误（例如，对 LLM 的调用超时）的长时间运行任务中也很有用。通过保留已完成的工作，持久执行使得进程能够在不重新处理之前步骤的情况下恢复，即使经过了显著延迟（例如，一周后）。

LangGraph 内置的持久化层为工作流提供持久执行，确保每个执行步骤的状态保存到持久存储中。这项能力保证了如果工作流中断（无论是系统故障还是人在回路交互），它都可以从上次记录的状态恢复。

提示

如果您正在使用带有检查点 (checkpointer) 的 LangGraph，您已经启用了持久执行。您可以在任何时候暂停和恢复工作流，即使在中断或故障之后。为了最大程度地利用持久执行，请确保您的工作流被设计为确定性和幂等性的，并将任何副作用或非确定性操作包装在任务 (task) 内。您可以从StateGraph (图 API) 和函数式 API 中使用任务 (task)。

要求

要在 LangGraph 中利用持久执行，您需要：

1. 通过指定用于保存工作流进度的检查点 (checkpointer)，在工作流中启用持久化。
2. 在执行工作流时指定线程标识符。这将跟踪特定工作流实例的执行历史。
3. 将任何非确定性操作（例如，生成随机数）或带有副作用的操作（例如，文件写入、API 调用）包装在任务 (task) 内，以确保在工作流恢复时，这些操作不会在特定运行中重复执行，而是从持久化层检索其结果。更多信息，请参阅确定性与一致性重放。

确定性与一致性重放

当您恢复工作流运行时，代码**不会**从执行停止的**同一行代码**恢复；相反，它会识别一个合适的起点，从该点继续执行。这意味着工作流将从该起点重放所有步骤，直到到达停止的点。

因此，当您为持久执行编写工作流时，必须将任何非确定性操作（例如，生成随机数）以及任何带有副作用的操作（例如，文件写入、API 调用）包装在任务 (task) 或节点 (node) 内。

为确保您的工作流具有确定性并能一致地重放，请遵循以下指南：

• 避免重复工作：如果一个节点 (node) 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 (task) 中。这确保了当工作流恢复时，这些操作不会重复执行，而是从持久化层检索其结果。
• 封装非确定性操作： 将任何可能产生非确定性结果（例如，生成随机数）的代码包装在任务 (task) 或节点 (node) 内。这确保了在恢复时，工作流遵循完全相同的记录步骤序列并产生相同的结果。
• 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。这意味着如果在工作流中失败后重试某个操作，其效果将与首次执行时相同。这对于导致数据写入的操作尤其重要。如果一个任务 (task) 启动但未能成功完成，工作流恢复时将重新运行该任务 (task)，并依赖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，从而确保工作流执行顺利且可预测。

对于一些需要避免的常见陷阱示例，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 (task) 来构建代码以避免这些问题。同样的原则也适用于StateGraph (图 API)。

在节点中使用任务

如果一个节点 (node) 包含多个操作，您可能会发现将每个操作转换为一个任务 (task) 比将这些操作重构为独立的节点更容易。

原始使用任务

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

在工作流中启用持久执行后，您可以恢复执行以下场景：

• 暂停和恢复工作流：使用 interrupt 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。更多详细信息请参阅人在回路。
• 从故障中恢复： 在异常（例如，LLM 提供商中断）后，从最后一个成功的检查点自动恢复工作流。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 中的此示例）。

恢复工作流的起点

• 如果您使用StateGraph (图 API)，起点是执行停止的节点 (node) 的开始。
• 如果您在节点内调用子图，起点将是调用已停止子图的父节点。在子图内部，起点将是执行停止的特定节点 (node)。
• 如果您使用函数式 API，起点是执行停止的入口点 (entrypoint) 的开始。

评论