第 13 篇把前十二篇的机制拼成了一个完整的多代理研究助手，项目层面算是收官了。但有一件事整个系列都刻意绕开：那张图怎么跑进生产环境。差距不在图本身——生产跑的还是同一个编译产物——而在图外面的一圈：状态放在哪、崩了怎么续、谁来观测、并发来了顶不顶得住。本篇是《LangGraph 从入门到实战》第 14 篇，也是系列最后一篇：先回头把 13 篇铺成一张地图，再把图从笔记本送进生产。
口径先交代。langgraph 1.2.x（PyPI 独立发布），部署现状以 2026 年 10 月的官方部署文档为准——原 LangGraph Platform 的托管能力已并入 LangSmith 体系，名目有变化，第 3 节细说。全文按"系列地图 → 生产五差距 → 部署三选项 → FastAPI 示例 → 上线清单 → 何时不需要 → 总结"展开。
1、13 篇全景地图
回头看，13 篇只回答一个问题：一张 Agent 图怎么从"能跑"变成"能扛事"。四个阶段各管一段，地图如下：
| 阶段 | 篇目 | 回答的问题 | 标志性机制 |
|---|---|---|---|
| 基础篇 | 第 1～3 篇 | 图怎么搭、黑板怎么写 | StateGraph 与 reducer |
| 控制流篇 | 第 4～7 篇 | 流程怎么走、循环怎么管 | 条件边、create_agent、interrupt、子图 |
| 记忆篇 | 第 8～9 篇 | 状态怎么存、记忆怎么续 | checkpointer 与 Store |
| 进阶篇 | 第 10～13 篇 | 过程怎么看得见、规模怎么上去 | 流式、CRAG、Send、多代理组网 |
基础篇立心智模型：节点是函数、边是控制流、State 是共享黑板，reducer 定合并语义。控制流篇把"走哪条路"讲完：条件边管路由，create_agent 把标准工具循环收进一个函数，interrupt 给不可逆操作加人工闸门，子图让一张图嵌进另一张图。记忆篇解决"进程之外"的事：checkpointer 按 thread 存快照、支持时间旅行，Store 按 namespace 存跨会话的长期记忆。进阶篇面向规模化：流式与 LangSmith 让执行可见，CRAG 给检索装纠错循环，Send 支撑运行期才定路数的并行扇出，第 13 篇把这些收拢进一张研究助手图。
四个阶段的依赖是单向的：后面每篇都在前面给出的结构上做文章，没有一篇推翻过前面的结论。这份稳定性，正是选 LangGraph 做 Agent 专题收官系列的理由。这张地图的用法是倒查：黑板合并不对回第 3 篇，循环停不下来回第 2、4 篇，挂起待审的单子丢了回第 8 篇，执行过程看不清回第 10 篇——生产环境里每一处故障，都能落回某一篇的机制说明里。
2、demo 与生产的五项差距
第 13 篇的研究助手已经有了生产系统的骨架：审批闸门、并行检索、质量把关、全程轨迹。但五处配置仍是 demo 口径，逐项过一遍。
持久化在内存里。第 6 篇的 MemorySaver、第 9 篇的 InMemoryStore，当时都注明"仅演示"：进程一退，检查点、挂起待审的单子、长期记忆全部蒸发。生产第一件事，把两个后端都换成 Postgres 实现。
恢复靠重跑。demo 里进程崩了就重新 invoke 一次；生产里一个跑十分钟的多代理任务崩在第九步，不能让用户为前八步再付一遍钱。checkpointer 落库之后，同 thread_id 续跑是框架默认能力——前提是它真的落了库。
观测靠 print。第 10 篇的观测三件套——stream 是录像、get_state 是照片、LangSmith 是档案馆——demo 里通常只用了第一个。生产要求答错能定位到节点、慢能定位到边，这就得把档案馆建起来。
评测靠手感。"跑两遍看着对"不算评测。第 13 篇的 grader 用结构化输出当裁判，已经是评测思想的雏形；生产上要把裁判固化成数据集和断言，进 CI，改提示词先过门禁再上线。
并发没设防。demo 单请求顺序执行；生产里多请求同时来、Send 扇出撞模型限流、工具调用超时，三件事迟早都来。图结构不设防，防线全在运行时 config 里。
五项差距没有一项需要改图结构——这正是图式编排的红利：生产化改的是外围配置，不是业务拓扑。
3、部署三选项对照
2026 年 10 月的官方口径下，LangGraph 应用的部署收敛为三条路。第一条，FastAPI 手动挂图：编译好的图是普通 Python 对象，挂进任意 Web 框架，持久化、流式、鉴权全部自己接。第二条，自托管 Agent Server：用 LangGraph CLI 把图打包成标准运行时——本地 langgraph dev 开发、langgraph build 打 Docker 镜像，自己用 Docker 或 Kubernetes 跑。自托管文档的口径：standalone server 是 production-ready 且最轻量的自托管形态。
第三条，LangSmith Cloud：全托管，连 GitHub 仓库或 langgraph deploy 一键部署，平台负责构建、扩缩与数据库。部署分两种规格：Serverless 空闲时缩到零，适合后台任务与延迟不敏感的负载；Dedicated 常驻并按副本自动扩缩，适合延迟敏感的在线服务。费用需 Plus 计划起步（$39/席位/月，含 1 个 Small Serverless 部署，见官方定价页）；免费 Developer 档不含 Deployment，但每月 5k 条 trace 的追踪与本地 Studio 免费可用。三条路怎么选，先问自己两个问题，决策路径如下：
解读：要省运维直接上 Cloud；不想把数据送出门、但要后台任务、队列、持久化编排这些平台能力，就自托管 Agent Server；只需要"图加一个 HTTP 入口"，FastAPI 最直接。三个维度展开对照如下：
| 维度 | FastAPI 手动挂图 | 自托管 Agent Server | LangSmith Cloud |
|---|---|---|---|
| 形态 | 自己的 Web 服务 | CLI 打出的镜像 | 平台托管 |
| 持久化与队列 | 全部自己接 | 运行时内置，自管 Postgres 与 Redis | 平台全管 |
| 运维责任 | 全在自己 | 中等，K8s Helm 为官方推荐路径 | 最低 |
| 费用 | 仅基础设施 | 无席位费，企业特性需 license key | Plus 计划 $39 每席位每月 |
| 适合场景 | 嵌入现有后端、小规模 | 数据不出门、要平台能力 | 快速上线、小团队 |
Agent Server 这条路的入口是项目根目录的 langgraph.json，声明图在哪、依赖是什么：
{
"dependencies": ["."],
"graphs": {
"research": "./src/agent.py:graph"
},
"env": ".env"
}
解读：graphs 里的 research 是服务对外暴露的助手名，SDK 按名字调用；本地开发与打镜像共用这一份配置。配套命令四条（细节见本地开发文档）：
pip install "langgraph-cli[inmem]" # dev 服务器；全栈验证另装 langgraph-cli
langgraph dev # 热重载开发服务器，端口 2024
langgraph up # 本地生产级验证：Docker 起 Postgres 与 Redis
langgraph build -t research:latest # 打生产镜像，交给 Docker 或 Kubernetes
解读：dev 起的界面里可用 Studio 可视化调试；up 在本地拉起与生产同构的全栈；build 产出的镜像就是部署物。另有一条官方提醒值得单独记：
官方警告：standalone server 不要跑在会缩容到零的环境，后台任务会随实例一起蒸发。
4、FastAPI 最小生产示例
三条路里最常被低估的是第一条——它把自由和责任一起给你。以 FastAPI 为例，最小可生产入口如下，图沿用第 13 篇的研究助手：
from contextlib import asynccontextmanager
from fastapi import FastAPI
from langgraph.checkpoint.postgres.aio import AsyncPostgresSaver
from agent import builder # 第 13 篇研究助手
DB_URI = "postgresql://user:pass@localhost:5432/agents"
@asynccontextmanager
async def lifespan(app: FastAPI):
async with AsyncPostgresSaver.from_conn_string(DB_URI) as cp:
await cp.setup() # 首次部署建表
app.state.graph = builder.compile(checkpointer=cp)
yield # 进程存活期间共享连接池
app = FastAPI(lifespan=lifespan)
@app.post("/chat/{thread_id}")
async def chat(thread_id: str, body: dict):
config = {
"configurable": {"thread_id": thread_id},
"recursion_limit": 50, # 步数兜底
"max_concurrency": 5, # 并发兜底
}
result = await app.state.graph.ainvoke(
{"messages": body["messages"]}, config)
return {"reply": result["messages"][-1].content}
解读四件事。其一，checkpointer 的生命周期交给 FastAPI 的 lifespan：连接池随进程起、随进程灭，不在请求里反复建连。其二，入口用 ainvoke 而非 invoke，异步栈不会被一次长图执行卡死。其三，thread_id 放进 URL 路径不是随手设计：同一个 id 再次 POST，框架会带着 checkpointer 里的档案续跑，第 6 篇挂起的审批单也走这条路恢复——中断恢复机制在 HTTP 语境下原样生效。其四，config 里的两道兜底来自第 5 节清单：recursion_limit 按业务收紧，max_concurrency 护住模型限流与数据库连接池（用法见 Graph API 文档）。同样要看清缺什么：流式响应、后台任务、鉴权、速率限制都得自己做——这是自由的价签。
5、生产上线 checklist
图结构一字不改，按清单过外围。第一项落库先行，需安装 langgraph-checkpoint-postgres：
from langgraph.checkpoint.postgres import PostgresSaver
from langgraph.store.postgres import PostgresStore
with PostgresSaver.from_conn_string(DB_URI) as cp, \
PostgresStore.from_conn_string(DB_URI) as store:
cp.setup() # 建检查点表：thread 内快照与挂起单
store.setup() # 建记忆表：跨 thread 的长期记忆
graph = builder.compile(checkpointer=cp, store=store)
解读：checkpointer 管 thread 内的快照与中断恢复，Store 管 namespace 编址的跨会话记忆，两者可共用一个 Postgres 实例、各自建表；Checkpointers 文档与 Stores 文档都把 Postgres 系实现列为生产推荐，前者正是 LangSmith 自用的实现。其余各项逐条打勾：
- 持久化后端全部换 Postgres，setup 建表
- recursion_limit 按业务显式收紧，别用默认的 1000
- max_concurrency 限住并行扇出，护模型限流与连接池
- 模型客户端 max_retries 打开，工具层显式设超时
- 评测数据集与断言进 CI，提示词变更先过门禁
- LangSmith 环境变量配好，延迟与错误率有面板可看
- 自托管不进缩容到零的环境，部署窗口留足排空时间
七项过完，这张图就配得上"生产"两个字。清单每一项都有出处：前两项是第 8、9 篇的机制落地，max_concurrency 护的是第 12 篇的 Send 扇出，评测门禁是第 13 篇 grader 的延续——demo 与生产的分水岭，从来不在图里。
6、何时不需要 LangGraph
收官之前，把第 1 篇的判断再钉一遍：把业务流程画在纸上，如果图里没有回边——不需要循环、不需要中断审批、单次调用即走即回——那个十行的 while 循环，或者一行 create_agent，就是更合适的答案。中间地带也有现成的分界：检索若只是固定的五步管线，LangChain 基础系列的固定管道就够；要纠错、要回头路，才轮到第 11 篇的 CRAG 图。LangGraph 的全部价值建立在"循环复杂到需要显式化"之上；没有循环的复杂度，就不必为它付框架的税。
7、总结
本篇给系列收尾：13 篇按基础、控制流、记忆、进阶四段铺开，从五步建图走到多代理组网；demo 与生产的差距归为持久化、恢复、观测、评测、并发五项，全部只动外围不动图；部署三选项按控制欲与运维预算选型——FastAPI 挂图、自托管 Agent Server、LangSmith Cloud；上线前七项清单逐条打勾，图就能进生产。
往大处看，这也是 Agent 专题四条系列的终点：从 OpenAI 与 Anthropic 两侧的裸 SDK 手写工具循环，到 LangChain 用组件把循环收进 create_agent，再到本系列把流程提升为显式的图——手写过的每一行都成了理解框架的底子，框架的每一层抽象都省在手写过的地方。TypeScript 侧的 Mastra 对照轮次同理：框架会换，循环、状态、工具分发这三个内核不会。
行动建议按处境给。手头已有图要上线的，今天就做两件事：checkpointer 换成 PostgresSaver，LANGSMITH_TRACING 环境变量设上——前者买来崩溃可恢复，后者免费买来第一份真实延迟画像。还在选型的，用第 1 篇那张纸上的业务图回答回边之问，再对着第 3 节的决策图落位。四条系列到此收官，接下来只剩一件事：把你自己的业务画成图，跑进生产。
