AI Agent / 系统课时

为高风险动作加入人工审批

为高风险动作加入人工审批

退款、改配这类动作不能只靠模型判断后直接执行。本节把 interrupt() 放在副作用之前,让 LangGraph 暂停并保存执行位置,再把批准、驳回或参数修改通过 Command(resume=...) 接回原流程,最终仍由原执行节点完成动作。

学习目标

  • 在高风险节点前使用 interrupt() 暂停工作流
  • 把批准、驳回和参数修改映射回稳定的后续路径
  • 使用同一 thread_id 恢复被暂停的执行,并避免重复副作用

把审批放在副作用之前

人工审批不是额外弹一个确认框,而是图中的真实控制点。进入审批节点后,图先把待执行动作作为中断载荷交给外部界面;只有收到恢复命令后,才决定继续执行、结束流程,或用人工修改后的参数继续。

高风险动作的中断、审批与恢复时序

审批结果可以压缩成三个稳定语义:

人工结果 状态变化 后续路径
批准 保留原参数 执行动作
驳回 标记 reject 结束
修改 合并人工补丁并视为批准 用新参数执行

用 interrupt 暂停并恢复

下面示例用内存 checkpointer 演示完整过程。首次调用会停在审批节点;随后用同一个 thread_id 和 Command(resume=...) 恢复,并把退款金额从 500 修改为 300。示例只模拟执行结果,不会调用真实退款接口。

python
from operator import add
from typing import Annotated, Literal

from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import END, START, StateGraph
from langgraph.types import Command, interrupt
from typing_extensions import TypedDict

class ApprovalState(TypedDict, total=False):
    action: dict[str, object]
    decision: Literal["approve", "reject"]
    result: str
    audit: Annotated[list[str], add]

def approval(state: ApprovalState) -> ApprovalState:
    # interrupt 前只准备审批数据,不执行退款等不可重复副作用。
    response = interrupt(
        {
            "kind": "approval",
            "action": state["action"],
            "options": ["approve", "reject", "edit"],
        }
    )
    choice = response["decision"]

    if choice == "reject":
        return {"decision": "reject", "result": "rejected", "audit": ["rejected"]}

    if choice == "edit":
        updated = {**state["action"], **response.get("patch", {})}
        return {
            "decision": "approve",
            "action": updated,
            "audit": ["edited_and_approved"],
        }

    return {"decision": "approve", "audit": ["approved"]}

def route_after_approval(state: ApprovalState) -> Literal["execute", "end"]:
    return "execute" if state["decision"] == "approve" else "end"

def execute(state: ApprovalState) -> ApprovalState:
    action = state["action"]
    result = f"executed:{action['type']}:{action['order_id']}:{action['amount']}"
    return {
        "result": result,
        "audit": [f"executed:{action['order_id']}:{action['amount']}"],
    }

builder = StateGraph(ApprovalState)
builder.add_node("approval", approval)
builder.add_node("execute", execute)
builder.add_edge(START, "approval")
builder.add_conditional_edges(
    "approval",
    route_after_approval,
    {"execute": "execute", "end": END},
)
builder.add_edge("execute", END)

graph = builder.compile(checkpointer=InMemorySaver())
config = {"configurable": {"thread_id": "ticket-R200"}}

paused = graph.invoke(
    {
        "action": {"type": "refund", "order_id": "R200", "amount": 500},
        "audit": [],
    },
    config,
)
print(paused["__interrupt__"][0].value["action"]["amount"])

resumed = graph.invoke(
    Command(resume={"decision": "edit", "patch": {"amount": 300}}),
    config,
)
print(resumed["result"])
print(" | ".join(resumed["audit"]))

预期输出:

text
500
executed:refund:R200:300
edited_and_approved | executed:R200:300

这里的恢复依赖两个条件:图编译时配置 checkpointer,恢复时继续使用原来的 thread_id。示例中的 InMemorySaver 适合本地验证;生产环境应换成可持久化的 checkpointer,避免进程重启后丢失待审批状态。

处理重放与幂等

interrupt() 恢复后,所在节点会从开头重新执行。因此审批节点在中断之前只能做可安全重放的准备工作,例如构造审批摘要;调用退款接口、修改套餐等副作用必须放在中断返回之后,最好再交给独立执行节点。

参数修改也应做二次校验。人工把退款金额从 500 改为 300 后,执行节点应再次检查金额范围、订单状态和权限,而不是因为数据来自人工就跳过业务约束。

验收三种审批结果

验收时分别跑批准、驳回和修改三条路径。批准应原样进入执行节点;驳回应结束且没有执行副作用;修改应在状态中覆盖允许编辑的字段,再用新参数进入同一个执行节点。

人工审批真正解决的是“让高风险动作可暂停、可审阅、可恢复”,而不是简单增加一个布尔值。只要中断载荷、恢复值、状态更新和副作用边界都明确,审批就能自然接入原有 LangGraph 主流程,而不需要复制一套单独的执行链。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

为高风险动作加入人工审批

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通