← Back to Blog

🎯 LangGraph Studio 本地使用完整指南

Xiao Wu
Xiao WuAuthor
June 25, 2025AGENT
Tags:
LangGraph

🎯 LangGraph Studio 本地使用完整指南

📋 概述

LangGraph Studio 是一个强大的可视化工具，用于设计、调试和监控 LangGraph 工作流。本指南将帮助您在本地设置并使用 LangGraph Studio 来可视化您的金融 AI Agent 系统。

🚀 快速开始

1. 安装依赖

# 安装 LangGraph CLI
npm install -g @langchain/langgraph-cli
 
# 安装 LangGraph.js 依赖
pnpm add @langchain/langgraph @langchain/core

2. 创建配置文件

在项目根目录创建 langgraph.json：

{
  "graphs": {
    "financial_agent": "./lib/agents/simple-graph.ts:graph"
  },
  "node_version": "20",
  "env": ".env",
  "dockerfile_lines": []
}

3. 启动开发服务器

npx @langchain/langgraph-cli dev

服务器将在以下地址启动：

📊 图形可视化功能

工作流节点展示

LangGraph Studio 会自动可视化您的金融 Agent 工作流：

  1. start - 工作流入口点
  2. intent_analysis - 意图分析节点
  3. context_analysis - 上下文分析节点
  4. routing_decision - 路由决策节点
  5. market_analysis - 市场分析 Agent
  6. risk_assessment - 风险评估 Agent
  7. report_generation - 报告生成节点
  8. end - 工作流结束点

执行流程追踪

Studio 提供实时的执行追踪功能：

  • ✅ 节点状态: 显示每个节点的执行状态
  • 📝 消息流: 展示节点间的消息传递
  • ⏱️ 时间戳: 记录每个步骤的执行时间
  • 🔍 详细输出: 查看每个节点的输入和输出

🛠️ 使用方法

1. 访问 Studio 界面

打开浏览器访问：

https://smith.langchain.com/studio?baseUrl=http://localhost:2024

2. 选择图形模式

  • 点击 "Graph" 按钮进入图形可视化模式
  • 点击 "Chat" 按钮进入对话测试模式

3. 测试工作流

  1. 在右侧输入区域点击 "Add another message to the prompt"
  2. 输入测试查询，例如："请帮我分析一下当前的市场风险情况"
  3. 点击 "Submit" 按钮执行工作流
  4. 观察左侧图形中的节点执行过程
  5. 查看右侧的详细执行结果

4. 分析执行结果

执行完成后，您可以看到：

  • 完整的执行轨迹: 从开始到结束的每个步骤
  • 节点输出: 每个 Agent 的分析结果
  • 消息历史: 完整的对话记录
  • 执行时间: 每个步骤的耗时统计

📈 实际执行示例

输入查询

请帮我分析一下当前的市场风险情况

执行流程

  1. 意图分析: "识别为金融查询，分类为市场分析"
  2. 上下文分析: "收集用户历史记录和相关背景信息"
  3. 路由决策: "选择直接规划工作流，分配市场分析Agent"
  4. 市场分析: "当前市场趋势稳定，风险控制在合理范围内"
  5. 风险评估: "整体风险等级为中等，建议保持当前投资策略"
  6. 报告生成: "综合分析结果已整理完成并发送给用户"

🔧 高级功能

1. 内存管理

  • 点击 "Memory" 按钮查看工作流的状态存储
  • 监控状态在节点间的传递

2. 中断处理

  • 点击 "Interrupts" 按钮管理工作流中断点
  • 支持在特定节点暂停执行进行调试

3. 线程管理

  • 支持多个并发执行线程
  • 每个测试会话都有独立的线程 ID
  • 可以在不同线程间切换查看结果

4. 数据导出

  • 点击 "Add to Dataset" 将测试结果保存到数据集
  • 支持导出执行轨迹用于分析和优化

🐛 故障排除

常见问题

  1. 服务器连接失败

    # 检查服务器状态
curl -s http://localhost:2024/assistants/search -X POST -H "Content-Type: application/json" -d '{}'
 
# 重启服务器
pkill -f langgraph
npx @langchain/langgraph-cli dev

  2. 图形不显示

    • 确保 langgraph.json 配置正确
    • 检查图形定义文件的语法错误
    • 验证所有依赖已正确安装

  3. 执行失败

    • 检查环境变量配置
    • 确认 DeepSeek API 密钥有效
    • 查看控制台错误日志

调试技巧

  1. 查看详细日志

    npx @langchain/langgraph-cli dev --verbose

  2. 检查 API 响应

    curl -s http://localhost:2024/assistants | jq .

  3. 验证图形结构

    • 在 Studio 中点击各个节点查看详细信息
    • 使用 "View Raw" 查看原始数据结构

🎯 最佳实践

1. 图形设计

  • 保持节点命名清晰明确
  • 使用有意义的消息类型区分不同角色
  • 合理设置条件边和路由逻辑

2. 调试策略

  • 从简单的线性流程开始测试
  • 逐步增加复杂的条件分支
  • 使用 Studio 的可视化功能验证执行路径

3. 性能优化

  • 监控每个节点的执行时间
  • 识别性能瓶颈并优化
  • 使用并行执行提高效率

🔗 相关资源

通过 LangGraph Studio，您现在可以完全可视化和监控您的金融 AI Agent 系统的每一个执行步骤，大大提升了开发和调试效率！

Comments