LangGraph 03：持久化、Interrupt、恢复与时间旅行

#1、本篇任务：让退款流程暂停一天后还能继续

审批可能几秒后完成，也可能第二天才处理。HTTP 请求不能一直挂着，所以图必须保存状态、结束当前请求，并在新请求中从相同 thread 恢复。

#2、Checkpoint、Thread、Store 的关系

checkpointer 在每个 super-step 保存 state snapshot；thread ID 把一系列 checkpoint 组织成一次持续运行；store 保存跨 thread 的长期数据。业务订单和审计仍在自己的数据库，不应全部塞进 checkpoint。

复制from langgraph.checkpoint.memory import InMemorySaver

graph = builder.compile(checkpointer=InMemorySaver())
config = {"configurable": {"thread_id": "refund-task-42"}}

内存 saver 仅用于测试。生产数据库需要处理租户隔离、加密、备份、TTL 和 schema 迁移。

#3、使用 interrupt 暂停审批

复制from langgraph.types import interrupt, Command

def approval_node(state: RefundState):
    decision = interrupt({
        "action_id": state["action_id"],
        "kind": "refund",
        "order_id": state["order_id"],
        "amount": state["refund_amount"],
        "expires_at": state["approval_expires_at"],
    })
    return {"decision": decision["decision"]}

# 第一次运行会暂停并保存 checkpoint
graph.invoke(initial_state, config=config)

# 后续请求使用同一个 thread 恢复
graph.invoke(Command(resume={"decision": "approve"}), config=config)

TypeScript 使用 interrupt(payload) 与 new Command({ resume: decision })。payload 必须 JSON 可序列化；不要在 interrupt() 外包会吞掉中断的宽泛 try/except；不要在节点升级时随意改变多个 interrupt 的顺序。

#4、为什么 interrupt 前的代码可能再次执行

恢复时节点会从头重新运行，直到 interrupt() 返回 resume 值。因此 interrupt 前的副作用必须幂等，最好把副作用放在批准之后的独立节点。

正确拆分：

复制draft_refund（纯计算/保存草案）
  → approval（只 interrupt）
  → validate_decision（重新鉴权、检查 hash/过期）
  → submit_refund（action_id 幂等副作用）

#5、恢复 API 的权限合同

浏览器提交 action_id + decision。服务端根据登录态检查：action 属于当前用户/租户；thread 与 action 匹配；仍是 pending；未过期；批准的参数 hash 与草案一致。然后在事务内记录决定并恢复图。

thread ID、checkpoint ID、action ID 都是定位符，不是授权凭证。

#6、故障恢复与 pending writes

并发 super-step 中一个节点失败时，已成功节点的 pending writes 可被保存，恢复时无需全部重跑。但外部服务是否重复调用仍由你的工具幂等保障。

重点测试故障窗口：退款服务已经成功，但 worker 在写完成状态前崩溃。恢复后 submit_refund(action_id) 必须返回同一退款记录，不产生第二条。

#7、Time travel 是调试与分支，不是删除历史

checkpoint 历史可用于查看旧 state、从某个 snapshot fork 新分支、在隔离环境重放 bug。已经发生的退款、邮件或审计不能靠回到旧 checkpoint 撤销。回放时禁用真实副作用或复用原 action ID。

State schema 变化时为旧 checkpoint 写纯函数迁移，并保留 state_schema_version/graph_version。蓝绿部署期间可让旧 thread 固定由兼容 worker 完成。

#8、本篇测试

暂停后进程退出再恢复；错误 thread/用户不能审批；过期和篡改参数被拒绝；重复 resume 不重复退款；interrupt 前节点重复执行仍无副作用；旧 checkpoint 可迁移或进入人工队列。

下一课学习如何把 state、消息、工具和自定义进度流式输出，并在生产环境定位图故障。

官方阅读：Persistence、Interrupts。