LangGraph 基础题谁都会答，拉开差距的是追问：节点挂了怎么办？会话中断了怎么续？高风险操作谁来把关？答案就三个能力——重试、checkpoint 恢复、interrupt 人工介入。

💡 答案要点

核心认知： 生产级 Agent 不能"跑完就完"，要能容错、能续跑、能让人把关。LangGraph 的三个关键能力：

失败重试 → 节点执行失败时怎么处理（重试策略 / 兜底分支）
中断恢复 → 进程挂了/会话断了，状态怎么保住、怎么续跑（checkpoint）
人工介入 → 高风险步骤暂停等人工确认，再决定继续还是修改（interrupt）

1. 失败重试（节点级容错）：

• 单个节点失败 → 按策略重试（次数、指数退避）；
• 重试仍失败 → 条件边走到兜底节点（降级回复 / 转人工 / 标记 REVIEW_REQUIRED）；
• 关键：重试要幂等——节点里有工具调用时，重复执行不能产生副作用（结合 request_id 去重）。

2. 中断恢复（checkpoint 持久化）：

from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import StateGraph

# 编译时挂 checkpointer：每个节点执行后自动保存状态快照
checkpointer = MemorySaver()
graph = workflow.compile(checkpointer=checkpointer)

# 恢复：同一 thread_id 的会话可以从断点继续
result = graph.invoke(
    {"messages": [...]}, 
    config={"configurable": {"thread_id": "case-001"}}
)

• 状态快照保存到内存 / Redis / 数据库（生产用持久化存储）；
• 进程重启、请求超时、用户离开后回来，都能从最近断点续跑；
• 每个断点 = 一次执行轨迹快照，天然支持审计回放。

3. 人工介入（human-in-the-loop）：

# 在需要把关的节点调用 interrupt，暂停执行，等人类输入
def review_node(state):
    if state["risk_level"] == "high":
        decision = interrupt({"action": "confirm_case_submit", "summary": state["summary"]})
        if decision == "reject":
            return {"status": "rejected"}
    return {"status": "approved"}

# 人类审核后，用 Command(resume=...) 继续执行
from langgraph.types import Command
graph.invoke(Command(resume="approve"), config={"configurable": {"thread_id": "case-001"}})

典型业务场景（结合项目讲最有说服力）：

• 律师办案助手：AI 生成文书初稿 → 人工复核（interrupt）→ 确认/修改后归档；
• 合同处理：风险条款识别后，修改建议需要人工确认才能生效；
• 高风险操作：转账、删除、外发——先暂停，人工审批通过才执行。

设计原则：

• 中断点越少越好：每多一个人工节点，链路就多一道延迟，只在"错了代价大"的步骤介入；
• 人工介入要有超时：超时未审核走默认策略（挂起 / 转其他处理人）；
• 介入记录进审计：谁审的、审了什么、原始建议是什么，全部留痕。

面试话术：

"LangGraph 的生产级能力我讲三个：重试、恢复、人工介入。重试是节点级容错，重试失败走兜底分支，但工具调用必须幂等；恢复靠 checkpointer 状态快照，每个节点执行完就存一次，进程挂了用 thread_id 从断点续跑，快照同时就是执行轨迹；人工介入用 interrupt 暂停高风险步骤，人类确认后 Command(resume) 继续。我用在律师文书场景——AI 生成初稿后 interrupt 等人复核，确认才归档，审核记录全进审计。设计上中断点宁少勿多，只在错了代价大的地方介入。"

---

版本: v3.2 | 更新: 2026-08-18 | 新增 Q45 LangGraph 重试/中断恢复/人工介入（素材角度：企业级 AI 应用工程链路，已按仓库规范重写补充）