从「能用」到「好用」：LangGraph 对比示例
LangGraph 是一款开源项目：用图结构编排有状态智能体的开源框架。
下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。
对比一：模糊指令 vs 明确指令
改之前：直接说「帮我竞品信息周报」。结果往往泛泛而谈、格式随意。
改之后：写清材料、格式和验收标准：
每周一自动抓取这些竞品页面的更新，让 AI 对比上周内容，输出「新增功能 / 价格页面变化 / 新发布文章」三段摘要，并附原始链接。
变化（示意）：输出结构稳定，可以直接按「每条变化都附链接」检查。
对比二：一次做完 vs 分步完成
改之前：把「线索整理流程」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。
搭建一个流程：新表单提交后，AI 判断咨询类型（报价 / 售后 / 合作 / 其他），提取联系人和需求摘要写入表格，报价类自动通知销售群。分类不确定时标记为「待人工」。
对比三：不检查 vs 带检查点
改之前：拿到结果直接用。改之后：每次都对照「提醒内容与看板一致」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。
以上对比均为示意，用来说明方法差异，不代表具体的效率数字。
延伸练习
知识库问答机器人
输入：一批产品文档和 FAQ。
用这些文档搭建问答机器人：回答只基于文档，找不到答案时回复「这个问题我需要转给同事」，并记录未解决问题供每周补充文档。
验收标准：答不出时不编造。
发票与单据提取
适用情况：手头有一批 PDF 发票或收据时。
从这些单据中提取开票日期、金额、销售方名称和税号，输出为表格；任何字段识别置信度低时留空并标红，不要猜测。
交付前确认：低置信度字段留空。
多步骤调研任务
输入：一个需要多来源信息的问题。
围绕【主题】做调研：先列出调研计划，再分别检索，最后输出带来源的报告。每个结论注明来源链接，来源之间矛盾时并列呈现。
交付前确认：矛盾信息被并列呈现。
常见问题：费用超出预期
给每次运行设上限，监控调用次数，先用小模型处理简单步骤。
常见问题：误发消息给客户
对外发送前加人工审批节点，测试环境与正式环境分开。
常见问题：输出格式不稳定
要求结构化输出并做格式校验，不合格时重试。
概念补充：工作流（Workflow）
按固定步骤执行的流程，可预测、易排错。
概念补充：人工审批节点
在关键动作前暂停等待人确认，防止误操作。
适合人群：财务人员
财务人员可以用 LangGraph 处理单据识别录入、报表说明与分析等工作。需要注意：财务数据属于敏感信息，优先使用企业版或本地方案，结果需复核。
写在最后
本文基于 LangGraph 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
文中提示词和示例仅作示意，实际效果取决于你的材料和 LangGraph 当前版本，重要内容请人工核对后再使用。