「从零到 AI 应用工程师」专栏 · 第 21 篇
有了查表 Tool，下一步是固定流程：
START → ingest → classify → lookup → END
每个节点只做一件事；状态在节点间传递。LangGraph 很适合表达这种图。
一、状态里放什么
class AgentState(TypedDict):
raw_input: str
alarm_code: NotRequired[str]
category: NotRequired[str]
meaning: NotRequired[str | None]
level: NotRequired[int | None]
messages: Annotated[list[str], operator.add] # 轨迹自动拼接
messages 用 Annotated[..., operator.add]：各节点返回的列表会追加，方便打印步骤。
二、三个节点
| 节点 | 职责 |
|---|---|
ingest |
从原文抽 E001 这类码 |
classify |
按前缀规则分类（如 E0→单体级） |
lookup |
调用 lookup_fault_code
|
分类先用规则，不上 LLM——快、稳、好测。
E0xx → cell（单体）
E1xx → pack
E2xx → insulation
E3xx → comms
其它 → unknown
三、构图
g = StateGraph(AgentState)
g.add_node("ingest", ingest_node)
g.add_node("classify", classify_node)
g.add_node("lookup", lookup_node)
g.add_edge(START, "ingest")
g.add_edge("ingest", "classify")
g.add_edge("classify", "lookup")
g.add_edge("lookup", END)
app = g.compile()
final = app.invoke({"raw_input": "E001", "messages": []})
验收：
python -m energy_agent diagnose E001
# 期望看到 classify: E001 → category=cell
四、为什么值得用图而不是一个 for 循环
- 后面要插入
rag、条件分支（未知码→人工）时，改边比改意大利面函数清晰； - 每步可打点、可 trace；
- 讲解时画得清：ingest/classify/lookup/rag。
简单线性流程用图也不丢人——先跑通，再加条件边。
五、带走这三条
- 一节点一职责；状态字段显式。
- 分类可先规则，工具可先手写调用。
- 轨迹 messages 为后续 API/录屏留证据。
下一篇：把月 2 的 RAG 封装成 Tool，接到图里。
这是专栏第 21 篇。两到三天一更，RAG Tool 见。
