基本介绍

langgraph中的中断分为两种：

1. 静态断点
2. 动态中断

1. 静态断点

在编译图时配置。适用于“在某个节点执行前或后必须暂停”的场景。

• interrupt_before=["node_name"]: 在指定节点开始执行前暂停。
• interrupt_after=["node_name"]: 在指定节点执行完毕后暂停。
• 位置：定义在图的结构上（边与节点的连接处）。
• 控制粒度：节点级。要么整个节点不执行，要么执行完暂停，不能在节点函数的某一行暂停。

2. 动态中断

这是一种比较推荐的方式。

该方式是在节点内部代码中使用 interrupt() 函数。适用于更灵活的逻辑，例如“只有当置信度低于 0.8 时才请求人工介入”。

• 位置：定义在节点函数内部（Runtime）。
• 控制粒度：语句级。可以在函数逻辑的任意位置暂停，并且可以根据逻辑判断决定是否暂停。

工作流程：

• 使用 interrupt 函数。
• 图执行到该行代码时会暂停，并抛出中断信号。
• 恢复时，用户提供的数据会作为 interrupt() 函数的返回值赋给变量。

示意代码如下：

const humanInput = interrupt({
  value: "请审核邮件…"
});

interrupt做了3件关键事情：

1. 立即停止图的执行器
2. 将当前图状态保存在 checkpointer 中
3. 返回控制权给 main，结束 graph.stream

也就是说：interrupt 是异步的、可恢复的、线程安全的暂停点。

之后可以通过 Command 做恢复：

new Command({ resume: "approve" })

这就是langgraph提供的中断机制。

对于前面场景案例中的企业审批系统而言，使用langgraph的中断机制能够做到：

• 审批未完成可挂起 24 小时
• 审批流状态可存数据库
• 服务重启后可继续
• 多审批节点（一级 → 二级 → 三级）
• 流程可回放
• 用户掉线后继续执行

1. 上节课实现的阻塞式中断的版本，会导致：
   1. 程序卡死、等待输入
   2. 图不能继续
   3. 系统也不能干别的，直到人类输入为止
2. 使用啦langgraph中的中断机制（有一点像浏览器的事件循环机制）
   1. 图暂停
   2. 系统不暂停
   3. 图不会继续执行后续节点，但系统外部是自由流动的

快速上手

好了，了解了langgraph所提供的中断的意义后，接下来我们来看一下具体该如何使用。

使用中断时会和checkpointer以及 thread 配合着一起使用。

1. checkpointer：中断的前提是能“记住”当前的状态。checkpointer负责在每一步执行后将图的状态持久化保存到数据库或内存中，没有checkpointer，图暂停后就会丢失状态，无法恢复。
2. thread id：用于区分不同的对话或执行流。当需要恢复一个中断的图时，必须提供相同的 thread_id，以便langgraph找到之前的状态。

除此之外，还会用到Command.

当执行因为 interrupt 而暂停后，可以通过再次调用图并传入包含恢复值的 Command 来恢复执行。这个恢复值会作为 interrupt() 的返回值传回，使得节点能够继续执行，并使用外部输入作为上下文。

import {
  StateGraph,
  START,
  END,
  interrupt,
  MemorySaver,
  Command,
} from "@langchain/langgraph";
import { ChatOpenAI } from "@langchain/openai";
import readlineSync from "readline-sync";
import { z } from "zod/v4";
import "dotenv/config";

// 图的状态
const Schema = z.object({
  subject: z.string().default("").describe("邮件主题"),
  message: z.string().default("").describe("邮件内容"),
  feedback: z.string().default("").describe("反馈"),
});

// 根据Schema生成的ts类型
type TState = z.infer<typeof Schema>;

const model = new ChatOpenAI({
  model: "gpt-4o-mini",
});

let hasShownCurrentEmail = false; // 是否要显示当前生成的email

// 节点：1. 写邮件的节点  2. 用户审查节点  3. 发送邮件
async function writeEmail(state: TState) {
  console.log("AI: 正在生成/修改邮件内容...");

  // 提示词
  const lines: string[] = [
    "你是一个专业的中文邮件撰写助手。",
    "请用自然、礼貌、简洁的中文撰写邮件正文。",
    "只输出邮件正文内容本身，不要输出额外的解释说明。",
  ];

  if (!state.message || !state.feedback) {
    // 说明是初次生成邮件内容，当前只有主题
    lines.push(`邮件主题：${state.subject}`);
    lines.push("请根据以上主题撰写第一版邮件正文。");
  } else if (state.feedback !== "approve") {
    // 说明有修改意见，需要根据上一版的正文 + 用户的反馈意见来进行修改
    lines.push("下面是上一版邮件正文：");
    lines.push(state.message);
    lines.push("下面是用户给出的修改意见：");
    lines.push(state.feedback);
    lines.push(
      "请严格根据修改意见，在保留合理内容的前提下，重写一封新的邮件正文，只输出修改后的完整邮件内容。"
    );
  }

  const pt = lines.join("\n");

  const result = await model.invoke(pt);

  const content =
    typeof result.content === "string"
      ? result.content
      : JSON.stringify(result.content);

  return {
    message: content,
  };
}

async function humanReview(state: TState) {
  // 先将模型生成的邮件内容显示出来
  if (!hasShownCurrentEmail) {
    console.log("\n===== 当前 AI 生成的邮件内容 =====\n");
    console.log(state.message);
    console.log("\n系统: 等待人类审核...\n");
    hasShownCurrentEmail = true;
  }

  // const input = readlineSync.question(
  //   "是否发送？请输入 'approve' 表示发送，或输入你的修改意见："
  // );

  // value是在图中断的时候，返回给外界的信息
  const input = interrupt({});

  console.log(`\n\n用户的反馈为：${input}`);

  // 这里代表着一轮反馈已经处理完了
  hasShownCurrentEmail = false;

  return {
    feedback: input,
  };
}

function sendEmail(state: TState) {
  console.log("\n===== 模拟发送邮件 =====");
  const to = "demo@example.com";
  console.log(`收件人: ${to}`);
  console.log(`主题: ${state.subject}`);
  console.log("正文:\n");
  console.log(state.message);
  console.log("\n[模拟] 邮件已发送！");
  return {};
}

const checkpointer = new MemorySaver();
const config = {
  configurable: {
    thread_id: "send-email",
  },
};

// 构建图
const graph = new StateGraph(Schema)
  .addNode("writeEmail", writeEmail)
  .addNode("humanReview", humanReview)
  .addNode("sendEmail", sendEmail)
  .addEdge(START, "writeEmail")
  .addEdge("writeEmail", "humanReview")
  .addConditionalEdges("humanReview", (state: TState) => {
    if (state.feedback === "approve") return "sendEmail";
    return "writeEmail";
  })
  .addEdge("sendEmail", END)
  .compile({
    checkpointer,
  });

async function main() {
  const subject = readlineSync.question("请输入邮件的主题：");

  console.log(
    "\n===== 开始：大模型根据主题生成邮件，并支持多次人工修改 =====\n"
  );

  // 第一次执行图，这个图就会在 interrupt 的地方暂停
  const stream = await graph.stream({ subject }, config);

  for await (const _e of stream) {
  }

  // 接下来就会回到这里的主逻辑，也就意味着主逻辑继续往后面执行
  while (true) {
    // 不断的接受用户的反馈
    const input = readlineSync.question(
      "\n是否发送？输入 'approve' 表示发送；否则输入修改意见："
    );

    console.log("\n拿到用户的输入，接下来就需要恢复图的执行\n");

    const stream = await graph.stream(
      // 恢复图的执行
      // 注意：在恢复图的执行的时候，是将中断的那个节点函数，一整个重新执行一次
      new Command({
        resume: input,
      }),
      config
    );

    for await (const _ of stream) {
    }

    if (input === "approve") {
      // 说明上面在恢复图的执行的时候，图的执行是会结束的
      console.log("\n===== 人类已批准，流程结束 =====\n");
      break;
    }

    // 如果没有进入上面的if，说明后面图又会重新执行一遍
    // 图的执行同样又会中断
    console.log(
      "\n===== 已根据修改意见生成新版邮件，将再次进入人工审核环节 ====="
    );
  }

  console.log("\n===== 流程结束 =====");
}

main();