作为Python小白,我是如何上手LangGraph的?

不得不感慨，AI时代学习一个新技术简直太容易了，信息差、准入门槛真的低了太多太多！

就拿学习Python技术栈的LangGraph来说，古法编程的程序员怎么学呢？当然是先学习一阵子Python语法对吧，然后再学习LangGraph的各种概念，比如：

from langchain_openai import ChatOpenAIfrom langgraph.graph import StateGraph, MessagesState, START, END# 定义节点：调用 LLM ## 或者使用装饰器定义节点 @node，后面可以直接 graph.add_node(chatbot)def chatbot(state: MessagesState):    return {"messages": [ChatOpenAI(model="gpt-5-nano").invoke(state["messages"])]}# 构建图graph = StateGraph(MessagesState)graph.add_node("chatbot", chatbot)graph.add_edge(START, "chatbot")graph.add_edge("chatbot", END)# 编译并运行图。这个 app 就是我们构建的图，有时候也会命名为 graphapp = graph.compile()res = app.invoke({"messages": [("user", "你好，请用一句话介绍 LangGraph")]})print(res["messages"][-1].content)#print(res["messages"]) ## 查看完整的对话信息# 🎨 可视化图结构from IPython.display import Image, displaydisplay(Image(app.get_graph().draw_mermaid_png()))

但我的只有通义千问的api key，我就打开豆包，把上面的这段代码、提示词（将这段代码改为可以通过阿里千问运行的代码），以及相关配置信息输入进去。

随后，豆包就给我直接返回一段融合了阿里千问大模型的代码。

from langchain_anthropic import ChatAnthropic  # 兼容阿里千问的入口from langgraph.graph import StateGraph, MessagesState, START, END# 初始化 阿里云千问 LLM（你提供的配置）llm = ChatAnthropic(    model="qwen3.5-plus",    api_key="sk-05bd3dxxxxxxxxxxxxxxxxxxxxxxx",    base_url="https://dashscope.aliyuncs.com/apps/anthropic",    max_tokens=1024)# 定义节点：调用 LLMdef chatbot(state: MessagesState):    return {"messages": [llm.invoke(state["messages"])]}# 构建图graph = StateGraph(MessagesState)graph.add_node("chatbot", chatbot)graph.add_edge(START, "chatbot")graph.add_edge("chatbot", END)# 编译并运行图app = graph.compile()res = app.invoke({"messages": [("user", "你好，请用一句话介绍 LangGraph")]})print(res["messages"][-1].content)# 可视化图结构try:    from IPython.display import Image, display    display(Image(app.get_graph().draw_mermaid_png()))except Exception:    print("可视化需要在 Jupyter/Notebook 环境中运行")

并且告诉我这些信息：

随后我在代码运行过程中，出现了这样一个警告，于是我把信息重新发给豆包。

豆包又重新给我生成了一段新的代码，改动点是最上面的两行代码。

import warningswarnings.filterwarnings("ignore")  # 屏蔽无关警告from langchain_anthropic import ChatAnthropicfrom langgraph.graph import StateGraph, MessagesState, START, END# 阿里云千问 LLMllm = ChatAnthropic(    model="qwen3.5-plus",    api_key="sk-05bd3d14XXXXXXXXXxxxxxxxxxx",    base_url="https://dashscope.aliyuncs.com/apps/anthropic",    max_tokens=1024)# 定义节点def chatbot(state: MessagesState):    return {"messages": [llm.invoke(state["messages"])]}# 构建图graph = StateGraph(MessagesState)graph.add_node("chatbot", chatbot)graph.add_edge(START, "chatbot")graph.add_edge("chatbot", END)# 运行app = graph.compile()res = app.invoke({"messages": [("user", "你好，请用一句话介绍 LangGraph")]})print(res["messages"][-1].content)

程序可以运行了，但给我输出了一大段内容，感觉还是不太对。

于是我就把这些输出内容发给豆包。

豆包给我的解释是：

然后又给我生成了一次代码，甚至在代码中很贴心地用注释告诉我，改动的几行代码在什么位置。

import warningswarnings.filterwarnings("ignore")from langchain_anthropic import ChatAnthropicfrom langgraph.graph import StateGraph, MessagesState, START, ENDllm = ChatAnthropic(    model="qwen3.5-plus",    api_key="sk-05bd3d14XXXXXXXXXxxxxxxxxxx",    base_url="https://dashscope.aliyuncs.com/apps/anthropic",    max_tokens=1024)# ===================== 【唯一改动：在这里】 =====================def chatbot(state: MessagesState):    response = llm.invoke(state["messages"])    # 只提取 text 回答，过滤 thinking    if isinstance(response.content, list):        for item in response.content:            if item["type"] == "text":                response.content = item["text"]                break    return {"messages": [response]}# =================================================================graph = StateGraph(MessagesState)graph.add_node("chatbot", chatbot)graph.add_edge(START, "chatbot")graph.add_edge("chatbot", END)app = graph.compile()res = app.invoke({"messages": [("user", "你好，请用一句话介绍 LangGraph")]})print(res["messages"][-1].content)from IPython.display import Image, displaydisplay(Image(app.get_graph().draw_mermaid_png()))

我将代码复制粘贴后，再次执行，这次总算输出了正常的结果。

也就是说，哪怕是一个一行Python代码都不懂的小白，仅仅借助于豆包，在不到20分钟的时间里，就完成了LangGraph更换大模型、消除警告，以及输出正确执行结果的事情。

这在非AI时代完全是不可想象的事情，估计得查各种资料，各种调试才行。

最后，既然代码可以运行出来了，接下来就需要了解每行代码是什么意思了，我再次给豆包输入指令。

# 1. 导入警告库，并且忽略无关的警告信息import warningswarnings.filterwarnings("ignore")# 2. 导入阿里千问需要的包from langchain_anthropic import ChatAnthropic# 3. 导入 LangGraph 画图、状态、开始结束节点from langgraph.graph import StateGraph, MessagesState, START, END# 4. 创建阿里千问大模型（你自己的配置）llm = ChatAnthropic(    model="qwen3.5-plus",             # 模型名称    api_key="sk-xxx",                # 你的API Key    base_url="https://dashscope.aliyuncs.com/apps/anthropic",  # 阿里接口地址    max_tokens=1024                  # 最大生成长度)# 5. 定义一个节点：chatbot（AI 大脑在这里）def chatbot(state: MessagesState):    # 6. 调用模型，拿到返回结果    response = llm.invoke(state["messages"])    # ===================== 【核心：过滤思考过程】 =====================    # 7. 判断：如果模型返回的是一个列表（thinking + text）    if isinstance(response.content, list):        # 8. 遍历列表内容        for item in response.content:            # 9. 找到真正的回答（type = text）            if item["type"] == "text":                # 10. 把内容替换成纯文本                response.content = item["text"]                break  # 找到就退出    # ==================================================================    # 11. 返回处理后的结果    return {"messages": [response]}# 12. 创建流程图graph = StateGraph(MessagesState)# 13. 添加节点：chatbotgraph.add_node("chatbot", chatbot)# 14. 开始 → chatbotgraph.add_edge(START, "chatbot")# 15. chatbot → 结束graph.add_edge("chatbot", END)# 16. 编译流程图，变成可运行的程序app = graph.compile()# 17. 运行程序，传入问题res = app.invoke({    "messages": [("user", "你好，请用一句话介绍 LangGraph")]})# 18. 打印最终结果print(res["messages"][-1].content)# 19. 画出流程图（在 Jupyter 里显示）from IPython.display import Image, displaydisplay(Image(app.get_graph().draw_mermaid_png()))