🧵 LangGraph 线程隔离与状态持久化

说明

面试被追问「State 和 Checkpoint 什么关系?thread_id 按用户还是按任务定?能不能设 TTL?重放怎么做?任务多次进入 LangGraph 怎么办?」的完整回答。把这几个概念一次性讲清,别含糊。


1. State 和 Checkpoint 到底什么关系

面试官问「State 不就是 Checkpoint 存的吗」——不是一回事,但关系很紧。

维度State(状态)Checkpoint(检查点)
是什么当前时刻的内存数据对象State 的持久化快照(序列化备份)
生命周期随 Agent 执行实时变化持久化到 Redis/DB/文件,长期保存
作用供当前节点读写修改故障恢复/暂停恢复/历史回溯
更新频率每步都在变按需保存(每步或关键节点)

记忆金句
”Checkpoint 是 State 的『照片』,State 是『真人』。拍照(Checkpoint)是为了以后能还原(恢复)这个人,但照片不等于人本身。”

关键误区:用 MemorySaver 时 State 和 Checkpoint 都在内存,看着像一回事;换 RedisSaver/PostgresSaver 就看出区别——Checkpoint 持久化、State 临时。


2. thread_id 怎么定:按 user 还是按 task?

面试官连环问「每个用户多个任务、都要追溯历史,难道不该按 user-session/task 定义 thread 吗?」

先否定错的粒度:

粒度适用评价
user_id单用户单任务❌ 多任务互相覆盖,不可取
user_session_idChatBot 多轮对话⚠️ 用户开多个会话会串
task_id每个任务独立隔离✅ 最安全
user_id + task_id多用户多任务✅ 又隔离、又方便按用户查

推荐:thread_id = f"user_{user_id}:task_{task_id}"

thread_id = f"user_{user_id}:task_{task_id}"   # 例:user_10086:task_20260909_001

这样一个任务独立一个线程,隔离彻底;加 user 前缀便于运维按用户批量查。

隔离单位

LangGraph 里 Thread(线程)就是隔离的单位,也是状态的生命周期边界。 不要把长期流程拆成多次 graph.invoke() 再在外面自己拼 State——等于把 LangGraph 当普通函数用,放弃了它最强的状态断点能力。


3. 能不能设 TTL?——分情况

你质疑「不能设 TTL」——部分对,要分场景。

  • ❌ 正在运行的任务:绝不能设。任务还没跑完,Checkpoint 被 TTL 删了 → 恢复时找不到,任务失败。
  • ✅ 已完成的任务:可按业务设(如保留 7 天人工审计,或归档冷存储)。
  • 🔁 要求永久保留会话历史:不要设 TTL,改用冷热分离:热数据 Redis(快恢复)+ 冷数据 PG/OSS(永久审计)。
# 冷热分离 Checkpointer(演示)
class TieredCheckpointer:
    def save(self, thread_id, state):
        redis.setex(f"hot:{thread_id}", 86400, serialize(state))   # 热:24h
        postgres.insert(thread_id, serialize(state), timestamp=now()) # 冷:永久
    def load(self, thread_id):
        if redis.exists(f"hot:{thread_id}"):
            return redis.get(f"hot:{thread_id}")    # 优先热数据
        return postgres.query(thread_id)             # 降级读冷数据

4. 重放(Replay)怎么做

重放不是重新执行 LLM 调用,而是”重现”状态变化路径。 直接”跳跃”到目标状态,不重新计算。

两种机制:

  1. Checkpoint 跳转(推荐,性能高):checkpointer.get(config) 取最新快照,或指定 checkpoint_id 跳到历史步。
  2. 事件溯源重放(Event Sourcing,适合审计):不存完整 State,只存事件,重放时从空状态逐个 apply_event 重建。
from langgraph.checkpoint import MemorySaver
checkpointer = MemorySaver()
graph = builder.compile(checkpointer=checkpointer)
 
config = {"configurable": {"thread_id": "task_123"}}
for event in graph.stream(input, config):   # 首跑,每步自动保存 checkpoint
    print(event)
 
# 重放到历史某一步
config["configurable"]["checkpoint_id"] = "step_2"
result = graph.invoke(None, config)         # 从 step_2 继续执行

应用场景:断点续传(从最后 checkpoint 继续)、调试(回退看中间态)、人工审核展示思考链条(事件溯源)、A/B 测试(从同一 checkpoint 分叉,前 N 步固定)。


5. HITL:任务多次进入图(比如用户补材料再审核)

你问「用户补充材料后重新审核,不也是 LangGraph 的 HITL 吗?」——完全正确,这就是 HITL(人机协同)最典型的场景。

结论:用了 HITL,你根本不用区分 task_id 和 thread_id——用业务 ID(工单号)当 thread_id 贯穿全程即可,LangGraph 自己管理暂停/恢复。

# 1. 用业务 ID 当 thread_id
thread_id = f"task_{business_id}"
config = {"configurable": {"thread_id": thread_id}}
 
# 2. 首次运行(初审),遇 interrupt 自动暂停
for event in graph.stream(input_data, config):
    if event.get("interrupt"):
        break
 
# 3. 用户补材料后,用相同 config 恢复
user_material = {"supplement": "...", "comment": "..."}
for event in graph.stream(Command(resume=user_material), config):
    print(event)   # 从暂停的节点继续,State 里已带全部上下文

HITL 全流程:初审中断 → 等待人工(系统通知用户补料)→ 用户上传 → graph.stream(Command(resume=...), config) 用同一 thread_id 恢复 → 带着新材料继续跑完。

一句话记忆
”我们利用 LangGraph 原生 HITL 把包含等待人工的完整流程放进同一个 StateGraph,用业务工单 ID 作为 thread_id 贯穿初审→暂停→恢复→复审,Checkpoint 自动还原上下文,不需要额外维护 task_id→thread_id 映射,也完美解决任务多次进入的隔离。“


6. HTTP 交互/接口层

被问「涉及交互的那一面是怎么做交互的」——分工上「界面/入口」也按分层走:底座提供统一入口 & 路由 & 会话管理,业务方只往上挂自己的断点。

  • 底座负责:会话鉴权、thread_id 生成、意图路由、流式返回(SSE)、checkpoint 存取。
  • 业务方负责:自己业务节点的输入/输出、Prompt、校验。
  • 交互层不写死业务,与 §2 的「底座可插拔」一个思路。

相关笔记