1. 先从一个会变长的流程开始

前面几篇我们一直在讲单 Agent。单 Agent 最适合处理的是一轮请求里能收束的问题：收到输入，决定要不要查工具，拿到结果，生成回复。

但真实项目继续往后做，流程很快就会变长。

还是用「AI 电子伴侣」的场景。假设用户发来一条消息：

这条消息已经不是简单的聊天了。系统内部很可能要经过下面几步：

1. 先判断有没有安全风险
2. 再判断用户现在的情绪状态
3. 判断这条消息里有没有日程或提醒需求
4. 如果有，就去查日历
5. 再决定最后是安抚用户、给出建议，还是继续追问

如果把这些步骤都塞进一个 Agent 的 Prompt 里，当然也能写。但流程开始变长后，真正难的地方已经不是「模型能不能回答」，而是：

• 这一步之后应该去哪里
• 中间结果要不要保留
• 某一步失败后从哪继续
• 哪些步骤必须执行，哪些步骤可以跳过

这时候开始接手的，就不是 LangChain 的单 Agent 封装，而是 LangGraph 的工作流和运行时能力。