这节我们探讨下如何使用interrupt等待用户输入，虽然前面都有讲过，但是有部分同学还是一知半解，我决定把这一块详细的逻辑整理出来，从头到尾给大家讲述一下。人机交互 (HIL) 交互对于agentic系统至关重要。等待人工输入是一种常见的HIL交互模式，允许agentic询问用户澄清问题并在继续之前等待输入。我们可以使用函数在LangGraph中实现这一点。interrupt允许我们停止图形执行

在我们新写的例子中，我们要建立一个旅行助理代理团队，他们可以通过交流相互沟通。下面我们先创建两个agent：可以帮助推荐旅行目的地。可以向hotel_advisor agent寻求帮助。：可以帮助推荐酒店。可以向travel_advisor agent寻求帮助。我们将使用这种方式来构建agent，因为我们的每个agent都将拥有特定于其专业领域的工具以及用于移交到另一个agent 的特殊工具。@t

让我们构建一个包含单个节点的图。我们的节点只是一个 Python 函数，它读取图的状态并对其进行更新。")定义节点只是将消息附加到我们的消息列表中，然后填充一个额外的字段。接下来，接下来我们将定义一个简单的图，其中包含我们之前创建的节点。我们将使用 StateGraph 来定义一个操作该状态的图，并使用 add_node 将我们的节点添加到图中。在这种情况下，我们的图只是执行一个节点。

foo: str定义节点A，# 判断应该跳转到哪个节点else:# Command 允许我们同时更新图状态并路由到下一个节点。# 更新图中的状态# 替换edgegoto=goto,定义好了上面节点之后，现在，我们可以使用上述节点创建 StateGraph。需要注意的是，该图没有定义条件的路由edge！这是因为控制流是用 Command 内部 node_a 定义的。

先问大家一个问题，在很多应用程序中，不管是开发或者使用，其实我们都是用大模型在做响应，但是如果出现了一些场景，需要和其他API平台或者数据库交互，该怎么办呢？这里我们就可以用到工具，使用工具调用来请求和特定架构下匹配的模型的响应。大家看一张图：这张图就充分展示了大模型与工具之间的数据字段是怎么样交互的，当然这只是抽象出来的概念字段，实际参数远远不止这些。

在LangGraph中，实现人机交互最核心的就是Command和interrupt，就是前面设计4种交互模式所使用的共同方法，简单点说就是中断图，获取人类提供的值，再恢复图。我们这次就来详细分析一下这两个语法。

随着的发布，我们不得不把目光聚焦在这个能赶超多个顶流大模型的模型身上，它主要是其在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩OpenAI o1正式版。为了更好的了解它的性能，我们这篇文章来尝试用它来构建Agent。

本文介绍了构建企业SQL问答Agent的完整流程，包括：1)安装依赖项和初始化LLM；2)设置SQLite数据库并获取表结构；3)使用预构建Agent进行SQL查询处理；4)自定义Agent实现更精确的控制。关键技术点包括：通过LangChain工具包获取数据库元数据，系统提示约束查询行为，以及分步执行流程（获取表→确定相关表→提取结构→生成查询→校验→执行→修正）。文章还演示了从预构建Agent

这节我们探讨下如何使用interrupt等待用户输入，虽然前面都有讲过，但是有部分同学还是一知半解，我决定把这一块详细的逻辑整理出来，从头到尾给大家讲述一下。人机交互 (HIL) 交互对于agentic系统至关重要。等待人工输入是一种常见的HIL交互模式，允许agentic询问用户澄清问题并在继续之前等待输入。我们可以使用函数在LangGraph中实现这一点。interrupt允许我们停止图形执行

在LangGraph中，实现人机交互最核心的就是Command和interrupt，就是前面设计4种交互模式所使用的共同方法，简单点说就是中断图，获取人类提供的值，再恢复图。我们这次就来详细分析一下这两个语法。