🏷️ LangGraph

去年秋天，我接手了一个中型制造企业的采购审批流改造项目。需求听起来平淡无奇：一笔超过5万的采购申请，必须先过部门经理，再根据金额分叉——10万以下只需财务主管批，超过10万还要拉上分管副总，每一步都同步邮件通知，审批通过后自动在HR系统里记一笔归档。这种流程在企业里烂大街，但麻烦的是，他们当时的实现…

凌晨三点被运维电话叫醒，16个LangGraph Agent互相等待形成死锁，订单吞吐量从300笔/秒暴跌到3笔/秒。这篇文章记录了我是如何用Wait-For Graph检测器、LLM驱动的解锁Agent和心跳机制构建死锁自动恢复系统的全过程。混沌测试中翻车的两阶段提交改造经验，以及安全校验器拦截4.6%危险操作的真实数据都在里面。

我们为LangGraph多Agent系统搭建了一套OpenTelemetry追踪方案，通过自定义Span记录每个Agent的推理过程、LLM调用耗时和中间决策，彻底解决了审批链路断裂和性能瓶颈的排查难题。文章包含异步上下文传递的坑、自动埋点LLM调用的代码，以及用Span属性构建的业务告警系统，最终把人工兜底率从7%降到0.5%。