LangGraph 核心五件套

开放式智能体适合路径还不明确的研究，例如解释期权、比较行业或补充公开资料。它会根据上下文决定下一步，灵活但路径和结果可能变化。

固定工作流适合顺序已经明确的任务，例如先取数据，再算信号，再做风控，最后审批执行。条件分支、重试上限和权限边界由程序控制，不只是写在提示词里。

两者可以组合：把稳定的交易链路放在外层，在研究节点内部调用智能体；也可以让外层智能体从多个经过验证的工作流中选择。盘前 9 点、收盘后 15:30 只是调度示例，真正执行还要检查交易日、数据是否更新以及任务是否重复。

一个教学用的五角色流程是：

开始 → Charles 情报 → Joe 信号 → Chris 风控 → Human 审批 → Eason 执行 → 结束

Charles 查询新闻、财务和行情并形成观点；Joe 输出方向、价格和数量建议；Chris 复用风控引擎；Human 对具体订单授权；Eason 调用交易适配器。角色名只是职责，不代表每个节点都必须调用大模型。

如果账户现金只有约 802，而信号建议买入新标的，流程就应该停在资金检查或审批前，不能凭聊天猜账户状态。账户快照应来自真实接口，且只传入完成任务所需的最少信息。

没有下单回报时，要检查日志和接口状态。不能默认是配置问题，也不能为了测试随意转入资金或尝试真实交易。

State 可以理解为团队共同维护的结构化任务记录。常见字段包括：

• stock_code、capital：证券和资金；
• investment_view：情报结论；
• signal：方向、价格和数量建议；
• risk_verdict：风控结果及理由；
• approved：人工授权结果；
• trade_result：执行回报；
• retry_count：已经发生的重试次数；
• logs/messages：审计记录。

每个字段都要定义类型、允许值、单位、时间戳和缺失含义。空值不能被误当成“已经通过”。节点通常返回局部更新字典，由框架按定义合并；不要依赖原地修改共享对象的副作用。

如果多个节点同时写入日志，应明确使用追加型 reducer（合并规则）；如果多个节点都可能改订单金额，则要规定谁能覆盖、怎样冲突处理。Annotated 一类类型标注可以声明合并约定，但具体语法要以所用版本文档为准。

Node（节点）是一个读取 State、执行工作并返回更新的处理函数。它内部可以是 Python 计算、数据库查询、HTTP 调用、回测工具或智能体。简单的计算不需要为了“多 Agent”而强行调用大模型。

Edge（边）规定一个节点之后去哪里。START 是入口，END 是结束。线性流程适合没有分支的操作；图结构更适合表达分支、循环和状态。允许循环的图不是 DAG，DAG 特指有向无环图。

节点可复用已有行情读取、回测、RiskManager 和交易适配类，但接入前要核对输入、输出、数据时点和错误处理。导出的 Mermaid 图能展示编排结构，却不能代替运行日志和测试。

条件边先读取 State，再返回预先定义的目标节点或标签。例如：风控通过进入审批；只是数量超限则去缩量重试；不可修复的拒绝或熔断则结束。

路由函数只负责决定方向。需要增加 retry_count 或更新订单时，用独立节点完成。这样每个动作都便于测试。

有限重试必须先定义含义。若“最大重试 2 次”指初次失败后还能再试 2 次，那么总尝试次数是 3 次。应测试 0、1、2 和超限边界，防止计数没有更新而无限循环。

halt 表示停止新增风险，不能回到 Joe 让模型改写理由绕过熔断；不可修复的 reject 应结束。只有明确可修复的 warning 或指定错误，才允许有限重试。

Checkpointer（检查点保存器）会保存流程执行中的 State 快照，让中断后可以继续，也方便审计和查看历史。不同任务必须使用独立的 thread 标识，避免一个账户的状态误用于另一个任务。

内存保存适合演示，进程退出后未必保留；跨进程恢复要使用合适的持久化方案。但保存 State 不等于外部操作只执行一次：如果订单已经发出、回报还没保存，恢复时可能重复下单。因此交易节点还需要唯一订单编号、幂等检查和券商回报核对。

人工节点可以用 interrupt 暂停，展示证券、方向、数量、价格范围、风险结果和有效期，等待人明确批准或拒绝后 resume 恢复。没有回复不能视为批准；若审批后订单被改写或行情明显过期，应重新审批。

真实下单应放在明确授权后的独立节点，并结合幂等检查。interrupt 前的副作用也要谨慎，因为恢复可能从节点开始重新执行。

先不用大模型，做一个最小图：State 里有 n 和 log；double 节点把 n 乘 2 并记录日志；如果 n 小于 100，就进入 add_one，然后回到 double；否则结束。

输入 n=3 时，路径是：

3 → 6 → 7 → 14 → 15 → 30 → 31 → 62 → 63 → 126

最终值为 126。每一步的数值和日志都能核对，不需要让模型反复做算术。这正是工作流的优势：确定性步骤交给程序，需要语义判断的环节才考虑模型。

项目可以把入口、图编排、State 定义、nodes、复用脚本、环境配置和 outputs 分开。后端用 Flask 或 FastAPI 暴露工作流接口，前端用 React 或 Vue 展示进度、报告、审批和执行回报；网页只是交互层，不能替代后端状态和错误反馈。

扩展到“热点新闻→板块识别→成分映射→候选龙头”时，行业分类和概念数据要保存口径、版本和日期。候选龙头也要先写明按市值、利润、流动性还是其他规则筛选，不能把模型一句判断当成唯一依据。