凌晨一点，我第 7 次打开生成好的课件：第 3 页图片裂了，第 5 页例题的答案和题干对不上。
生成这活儿 AI 干得挺欢，验收全是我人肉。每跑一次等 5 分钟，我盯一次 5 分钟，纯纯的苦力。
那晚我摔了鼠标：与其天天自己当质检员，不如写个 Agent 自己验收自己。这是这个系列的第 1 篇——从 0 到 1 搭骨架，纯工程复盘，不是什么风口突击套利的故事。
一个 while 循环加几个函数，不就能跑起来了吗？能，demo 阶段还挺爽，上生产第一天就翻车。
裸写调度循环有三个硬伤：
LangGraph 给我的正好是解这三刀的药：StateGraph 把“下一步执行谁”从业务代码里抽走；checkpoint 让状态可持久化、可续跑；条件边（conditional edge）让你声明式地写“不过就打回”。
还有个前提认知：课件生成本质是流水线，不是聊天。多步骤、强依赖、要回退——天然就是一张图的形状，硬塞进对话循环才是别扭的。
说人话：LangGraph 之于 Agent，约等于 git 之于写代码。平时你可能感知不强，翻车那天你会谢谢它。
先上结论，整条链长这样：
```text
plan → scaffold → scenes → assemble → audit ─┬─ 通过 → play → publish
└─ 不通过 → 打回 scenes（带问题清单，最多 3 次）
```
每个节点只干一件事：
audit 为什么不并进 assemble？因为验收和生成必须解耦——验收规则改了不用动生成逻辑，打回时的上下文也干净。
打回的实现：audit 把问题清单写进 state，scenes 节点读到 `retry_count` 和问题清单后，只修被点名的场景。重试 3 次还不过就停机报人工接盘。
节点签名就一句话：`def node(state) -> dict`。读什么、吐什么，白纸黑字写清楚。
| 节点 | 读什么 | 返回什么（增量） |
|---|---|---|
| plan | topic / 年级 / 课时 | `{"outline": {...}}` 大纲 |
| scaffold | outline | `{"file_tree": {...}}` 文件骨架 |
| scenes | outline + file_tree | `{"scenes": [Scene]}`（配了 reducer 累加） |
| assemble | scenes + file_tree | `{"deck_path": "..."}` 成品路径 |
| audit | deck_path + outline | `{"audit_report": {...}, "passed": bool}` |
| play | deck_path | `{"preview_url": "..."}` |
| publish | preview_url | `{"published_url": "..."}` |
两条纪律：单一职责——一个节点只干一件事，翻车了好定位；增量返回，只 return 你改过的字段。
节点会不会读到半成品 state？会。所以每个节点开头自己判空、判形态，别指望框架帮你校验。
整条链跑 3-5 分钟，前端白屏转圈，用户以为服务挂了，转头就刷新。一刷新，后台任务还在跑，token 照烧，纯浪费。
解法很朴素：节点入口/出口往事件流里丢消息，SSE 推给浏览器。
```python
def _emit(event: str, data: dict):
redis.xadd(f"agent:{run_id}:events", {"event": event, **data})
```
事件就三类，够用了：
为什么不用轮询任务表？能跑，但事件流延迟低一个量级，而且天然有序、天然适合回放。
进度条的本质不是技术，是让用户知道“它没死，它在干活”。
我第一版在节点里 `state["scenes"].append(scene)` 然后 `return state`，单测全绿。一开并行分支，直接 `InvalidUpdateError`，排查到后半夜，被坑惨了。
三个真相，踩过才懂：
```python
from typing import Annotated, TypedDict
import operator
class CourseState(TypedDict):
topic: str
outline: dict
scenes: Annotated[list, operator.add] # 配了 reducer：追加，不是覆盖
passed: bool
retry_count: int
def scenes_node(state: CourseState) -> dict:
scene = generate_one_scene(state["outline"])
return {"scenes": [scene]} # ✅ 只交增量
```
说人话：节点是交作业只交改过的那道题，不是把整本练习册重抄一遍。
为什么单测全绿、一并行就炸？因为单线程里“覆盖”和“累加”表现一模一样，脏问题只在并发下现形。
调这种 dict 状态，最笨也最好用的招：`json.dumps(state)` 打出来，丢进本站的 JSON 格式化 里展开看——哪个节点把哪个字段写坏了，层级一折叠，一眼定位。我靠这招省下的调试时间，够多睡好几个整觉。
Q1：LangGraph 必须绑 LangChain 全家桶吗？
不用。`pip install langgraph` 就能裸跑，模型调用随你挑。我只用它的图和 checkpoint，Chain 一个没沾。
Q2：一次性流水线跑完就结束，checkpoint 是不是多余？
不多余。scenes 这步又耗时又烧钱，中途挂掉从上个 checkpoint 续跑，省的是双倍 token——这行没有躺赚，省钱就是赚钱。
Q3：AI 验收 AI，会不会自己骗自己？
分指标。格式合规、答案重算、链接探活这类机器可判的硬指标，交给代码判，比人稳；让它评“这页好不好看”才是玄学，硬审美别赌运气。
相关推荐
评论列表 （0条）
