HITL 人工介入与决策发布(6.9–6.10)

本篇是什么

第 6 章(试卷批改)的 Human-in-the-Loop(HITL)+ 决策发布串讲:AI 预批改完成后,如何把人(教师)拉进流程干预,再把最终成绩写库发布。机在动、人把关——对应 LangGraph 的 interrupt() / Command(resume) / MemorySaver 三件套。

属于:EduAgent 多 Agent 系列回顾 之第 6 章拆解。父级总览见 多Agent协作方式全景与A2A-综合笔记。

  • 配套图①(时序图):![[06章-HITL时序图.html]]
  • 配套图②(决策发布连续流):![[06章-HITL与决策发布.html]]

1. 一句话主线

AI 自动批改(节点 ①–⑤)跑完 → ⑦ teacher_review_node 调 interrupt() 把图冻结,State 存进 MemorySaver → 教师用 API 读 AI 预批改 → 教师 approve / modify 决策 → Command(resume=decision) 恢复 → ⑧ 合并出 final_score → ⑨ publish_results 写库 → END。

本质:单个 Agent 自治不够,要在关键节点引入人工裁决(成绩这种影响学生的数据不能全交给 LLM)。


2. interrupt() 内部 5 步(LangGraph 机制)

步发生什么
①节点里执行到 interrupt(value),LangGraph 抛内部 Interrupt 异常
②graph.ainvoke 捕获它,把完整 State 按 thread_id 存进 MemorySaver
③ainvoke 真正返回(不是等待——接口不被拖住)
④图进入暂停态,State 记着 next=["teacher_review"]
⑤后续 graph.ainvoke(Command(resume=decision), config) 恢复 State,让 interrupt() 返回 decision,图从原处继续

⚠️ LangGraph 1.0 新写法:编译图时不传 interrupt_before,只在节点内调 interrupt()。旧写法已被废弃。


3. 六个关键节点职责(编号与图一致)

节点职责
①–⑤自动批改(三轨并行:规则/LLM/代码)—— 见 asyncio 协程调度与 6.12 回调逻辑
⑥ notify_teacher_node只把 DB 状态更新为 pending_review(通知 → 人工介入)
⑦ teacher_review_node专职 HITL 暂停:interrupt(display_data),把 AI 预批改成绩单抛给教师
⑧ apply_teacher_decision按 approve / modify 合并 final_score
⑨ publish_results先删后插写 exam_reviews + 更新 exam_submissions.status='published'

4. 教师侧两个 API(人与图怎么对话)

GET  /submissions/{id}/review   → 教师用 aget_state 读 AI 预批改快照
POST /confirm                    → 教师 approve / modify,传 Command(resume=decision) 回图
  • 教师读完快照,可原样确认(approve),也可改命中题目(modify)后回传。
  • MemorySaver 按 thread_id 存中断点 State —— 这就是「图冻住后,谁都能随时回来续」的机制。

5. 三个分数(写得清楚)

分数含义何时有
ai_scoreAI 打的分数永久保存
teacher_score教师改的分数仅 modify 有
final_score学员最终得分= approve 取 ai_score;modify 被改题取 teacher_score、未改取 ai_score

写库要点:exam_reviews 先删后插(幂等),每道题一行;exam_submissions 更新 status='published' + weak_points。


章节回顾

  • HITL = interrupt/resume:机在动、人把关;interrupt(value) 冻图 + Command(resume=decision) 续跑,State 走 MemorySaver。
  • 两图一义:时序图讲「机制」,决策发布连续流讲「业务全链路」,同一套 interrupt 机制支撑。
  • 成绩发布的关键:AI 分数永久留档、教师修正可溯源、最终分幂等写库——把「人的决策」和「AI 的产出」都存下来。
  • Command 一叉二用:Command(resume=...) 做人工恢复(本 6 章),Command(goto=...) 做 Agent 间交接(8 章)——详见 多Agent编排-LangGraph原生Supervisor与Swarm实现。

相关笔记