langgraph graphrag agents checkpointing rag

Planes de control de LangGraph vs gráficos de conocimiento: Orden de construcción que resiste las interrupciones.

Mantenga los grafos de flujo de control de LangGraph separados de los grafos de conocimiento, las interrupciones humanas en los puntos de control, y agregue GraphRAG solo una vez que se hayan detectado fallos en el RAG de múltiples saltos.

Editor: REACTAPP.TOPAñadido a este sitio 26 sept 202618 min de lectura4078 palabras

Fuentes: Graph Engineering with Claude

Los gráficos de flujo de control y los gráficos de conocimiento comparten una palabra y casi nada más. Esta guía los separa, muestra cuándo las máquinas de estado al estilo LangGraph son útiles y cuándo los gráficos de datos al estilo GraphRAG deberían esperar a que se produzcan fallos múltiples medidos.

Comience por no crear el gráfico costoso

Recurrir por defecto a un gráfico de conocimiento solo porque suena avanzado es repetir un error común. Las pruebas de rendimiento que evalúan búsquedas simples a menudo muestran resultados similares entre fragmentos simples y la recuperación desde gráficos, con un costo de construcción sin ningún beneficio. Comience con gráficos de arquitectura para el control; añada gráficos de datos solo después de que la búsqueda vectorial fracase en preguntas relacionadas.

Qué es realmente un agente basado en gráficos

Un grafo de agentes es una máquina de estados: los nodos actualizan el estado compartido, las aristas eligen el siguiente nodo, las interrupciones pausan para los humanos y los puntos de control sobreviven a las caídas. Explica cómo avanza la ejecución, no dónde se encuentran los datos.

Cinco patrones que vale la pena memorizar

Ruteador → herramientas especializadas; planificador → ejecutor; puertas de aprobación humana; proceso map-reduce sobre subtareas; bucles cíclicos de perfeccionamiento hasta completar. Cada patrón representa una política de arista explícita, no un anidamiento oculto de if.

Mecánicas, de forma concreta

from langgraph.graph import StateGraph, START, END
from typing_extensions import TypedDict

Estado compartido como un diccionario tipado:

class State(TypedDict):
    query: str
    docs: list
    answer: strdef retrieve(state: State):
    return {"docs": kg_search(state["query"])}   # a retrieval nodedef generate(state: State):
    return {"answer": llm(state["query"], state["docs"])}g = (StateGraph(State)
     .add_node("retrieve", retrieve)
     .add_node("generate", generate)
     .add_edge(START, "retrieve")
     .add_edge("retrieve", "generate")
     .add_edge("generate", END)
     .compile())

Las interrupciones pausan el proceso en medio del grafo:

from langgraph.types import interrupt, Command

Ejemplo de nodo de aprobación:

def approval(state):
    ok = interrupt({"question": "Approve?", "amount": state["amount"]})
    return {"status": "approved" if ok else "rejected"}

Flujo de control en ASCII:

+-----------+
START --> |  router   |
          +-----------+
           |         |
   (relational)   (simple)
           v         v
      +---------+  +--------+
      | graph   |  | vector |
      | retrieve|  |retrieve|
      +---------+  +--------+
            \         /
             v       v
          +-------------+       +--------------+
          |  reason /   |----> | write-memory |--> KG
          |  generate   |       +--------------+
          +-------------+
                |
         (needs approval?) --> interrupt() --> human
                |
                v
               END

Los puntos de control por sí solos no constituyen una ejecución duradera

Al guardar el estado en SQLite o Postgres se evita que los tickets desaparezcan al reiniciar. No se trata de un motor completo de flujos de trabajo con temporizadores y colas, pero sin él, las demostraciones que involucran a personas distorsionan la imagen de la preparación para producción.

Otro tipo de grafo

Los grafos de conocimiento almacenan entidades y conexiones extraídas de corpus. Ayudan a abordar cuestiones relacionadas con la propiedad y el impacto a través de múltiples pasos; sin embargo, no superan automáticamente a BM25+vectors en búsquedas del tipo “¿qué es X?”.

Pruebas de rendimiento que se omiten en las presentaciones

Cuando la búsqueda simple de hechos vincula fragmentos de texto con métodos basados en grafos, la complejidad requiere un conjunto diferente de preguntas para justificarse. Las tasas de éxito auditadas por sesgos que disminuyen tras corregir las evaluaciones realizadas por modelos LLM son otra razón para medir el rendimiento en tráfico propio.

Qué realmente ofrece un enfoque híbrido

Anclajes de gráfico densos, léxicales y opcionales, fusionados con la fusión de rango recíproco, abarcan paráfrasis e identificadores. Los saltos en el gráfico se realizan detrás de los anclajes de identificadores, no delante de cada consulta.

Costo de la conversación

Las estructuras multiagente pueden consumir aproximadamente una orden de magnitud más de tokens que las conversaciones simples. Aplicar la extracción GraphRAG encima sin medir los cambios es la causa por la cual los costos aumentan mientras la calidad del tráfico de búsqueda se mantiene estable.

Memoria que conoce el tiempo

Los puntos de control por hilo difieren de los almacenes de preferencias a largo plazo y de los cachés de respuestas estilo CDN. Mezclarlos genera bots que olvidan nombres en medio de la conversación o aplican políticas obsoletas.

Estructura de 2026, evaluada con honestidad

LangGraph para el control, almacenes vectoriales/híbridos probados para la mayoría de las búsquedas, y gráficos conscientes de ontologías solo cuando las relaciones son la respuesta. La capacidad de observar el uso de tokens y la posibilidad de priorización superan a la novedad de los frameworks.

Impuesto de múltiples agentes

Los agentes adicionales deben adquirir métricas de fidelidad o ventajas en latencia medibles. De lo contrario, el grafo se reduce de tamaño.

Fallas que aparecen

Interrupciones perdidas sin puntos de control; bucles en el router; argumentos imaginados por las herramientas; extractores de grafo que inventan aristas; pesos de fusión ajustados en cuadernos de notas que nunca se verifican en configuraciones fijas.

Ruta por etapas con umbrales

Entregar el grafo de control + recuperación híbrida.
Recopilar fallos etiquetados como relación-contra-particionamiento.
Agregar el grafo de conocimiento solo para conjuntos multi-hop verificados.
Evaluar con respuestas graduadas, no comparaciones entre modelos LLM de forma pareja.

En qué no confiar

“Los grafos siempre son más avanzados”, tasas de éxito en demostraciones sin auditorías de sesgo, y diseños de múltiples agentes que no pueden mostrar diferencias en tokens.

Mantenga los mecanismos para las decisiones del enrutador y la reanudación de interrupciones en CI. Trate los almacenes de puntos de control como datos de producción con copias de seguridad. Al agregar GraphRAG, mida el delta de tokens en la mezcla real antes de celebrar los conteos de entidades.

Escriba guías de operación para interrupciones atascadas y hilos huérfanos.

Prefiera menos nodos con responsabilidades claras en lugar de estructuras profundamente anidadas.

Registre las elecciones de bordes para su posterior transformación en enrutadores deterministas.

Separe el tráfico de evaluación de los hilos de clientes en el punto de control.

Vuelva a revisar la concurrencia máxima cuando aparezcan interrupciones en las métricas de servicio.

Documente qué gráfico —de control o de datos— representa cada diapositiva.

Escriba guías de operación para interrupciones atascadas y hilos huérfanos.

Prefiera menos nodos con responsabilidades claras en lugar de estructuras profundamente anidadas.

Registre las elecciones de bordes para su posterior transformación en enrutadores deterministas.

Separar el tráfico de evaluación de los hilos de los clientes en el checkpointer.

Revisar el valor máximo de concurrencia cuando aparezcan interrupciones en las métricas de servicio.

Documentar qué gráfico representa cada diapositiva: de control o de datos.

Escribir guías de operación para las interrupciones atascadas y los hilos huérfanos.

Preferir menos nodos con responsabilidades claras en lugar de estructuras profundamente anidadas.

Registrar las decisiones tomadas en los nodos finales para su posterior transformación en routers deterministas.