=> {
return await slowComputation(someInput);
}
);
```
## 何时使用任务
**任务**在以下场景中很有用：
* **检查点**：当您需要将长时间运行的操作结果保存到检查点时，这样在恢复工作流时就不需要重新计算它。
* **人机交互**：如果您正在构建需要人工干预的工作流，您**必须**使用**任务**来封装任何随机性（例如，API 调用），以确保工作流可以正确恢复。更多详情请参阅[确定性](#determinism)部分。
* **并行执行**：对于 I/O 密集型任务，**任务**支持并行执行，允许多个操作并发运行而不阻塞（例如，调用多个 API）。
* **可观察性**：将操作包装在**任务**中提供了一种使用 [LangSmith](/langsmith/home) 跟踪工作流进度和监控单个操作执行的方式。
* **可重试工作**：当工作需要重试以处理失败或不一致时，**任务**提供了一种封装和管理重试逻辑的方式。
## 序列化
LangGraph 中的序列化有两个关键方面：
1. `entrypoint` 的输入和输出必须是可 JSON 序列化的。
2. `task` 的输出必须是可 JSON 序列化的。
这些要求对于启用检查点和工作流恢复是必要的。使用对象、数组、字符串、数字和布尔值等原语来确保您的输入和输出是可序列化的。
序列化确保工作流状态（如任务结果和中间值）可以可靠地保存和恢复。这对于启用人机交互、容错和并行执行至关重要。
提供不可序列化的输入或输出将在配置了检查点器的工作流中导致运行时错误。
## 确定性
要利用**人机交互**等功能，任何随机性都应封装在**任务**内部。这保证了当执行暂停（例如，为了人机交互）然后恢复时，它将遵循相同的\_步骤序列\_，即使**任务**结果是非确定性的。
LangGraph 通过在执行时持久化**任务**和[**子图**](/oss/javascript/langgraph/use-subgraphs)结果来实现此行为。精心设计的工作流确保恢复执行遵循\_相同的步骤序列\_，从而可以正确检索先前计算的结果，而无需重新执行它们。这对于长时间运行的**任务**或具有非确定性结果的**任务**特别有用，因为它避免了重复之前完成的工作，并允许从本质上相同的状态恢复。
虽然工作流的不同运行可能产生不同的结果，但恢复**特定**运行应始终遵循相同的记录步骤序列。这允许 LangGraph 高效地查找在图中断之前执行的**任务**和**子图**结果，并避免重新计算它们。
## 幂等性
幂等性确保多次运行相同操作会产生相同的结果。这有助于防止因步骤重新运行而导致的重复 API 调用和冗余处理。始终将 API 调用放在**任务**函数内以进行检查点，并设计它们在重新执行时是幂等的。如果**任务**开始但未成功完成，则可能发生重新执行。然后，如果工作流恢复，**任务**将再次运行。使用幂等键或验证现有结果以避免重复。
## 常见陷阱
### 处理副作用
将副作用（例如，写入文件、发送电子邮件）封装在任务中，以确保在恢复工作流时不会多次执行它们。
在此示例中，副作用（写入文件）直接包含在工作流中，因此在恢复工作流时将第二次执行。
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { entrypoint, interrupt } from "@langchain/langgraph";
import fs from "fs";
const myWorkflow = entrypoint(
{ checkpointer, name: "workflow },
async (inputs: Record) => {
// 此代码将在恢复工作流时第二次执行。
// 这可能不是您想要的。
fs.writeFileSync("output.txt", "Side effect executed");
const value = interrupt("question");
return value;
}
);
```
在此示例中，副作用被封装在一个任务中，确保在恢复时一致执行。
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { entrypoint, task, interrupt } from "@langchain/langgraph";
import * as fs from "fs";
const writeToFile = task("writeToFile", async () => {
fs.writeFileSync("output.txt", "Side effect executed");
});
const myWorkflow = entrypoint(
{ checkpointer, name: "workflow" },
async (inputs: Record) => {
// 副作用现在被封装在一个任务中。
await writeToFile();
const value = interrupt("question");
return value;
}
);
```
### 非确定性控制流
每次可能产生不同结果的操作（如获取当前时间或随机数）应封装在任务中，以确保恢复时返回相同的结果。
* 在任务中：获取随机数 (5) → 中断 → 恢复 → (再次返回 5) → ...
* 不在任务中：获取随机数 (5) → 中断 → 恢复 → 获取新的随机数 (7) → ...
当使用具有多个中断调用的**人机交互**工作流时，这一点尤其重要。LangGraph 为每个任务/入口点维护一个恢复值列表。当遇到中断时，它会与相应的恢复值匹配。此匹配严格基于**索引**，因此恢复值的顺序应与中断的顺序匹配。
如果恢复时未保持执行顺序，一个 [`interrupt`](https://reference.langchain.com/javascript/langchain-langgraph/index/interrupt) 调用可能会与错误的 `resume` 值匹配，导致结果不正确。
请阅读[确定性](#determinism)部分以获取更多详情。
在此示例中，工作流使用当前时间来确定执行哪个任务。这是非确定性的，因为工作流的结果取决于执行时的时间。
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { entrypoint, interrupt } from "@langchain/langgraph";
const myWorkflow = entrypoint(
{ checkpointer, name: "workflow" },
async (inputs: { t0: number }) => {
const t1 = Date.now();
const deltaT = t1 - inputs.t0;
if (deltaT > 1000) {
const result = await slowTask(1);
const value = interrupt("question");
return { result, value };
} else {
const result = await slowTask(2);
const value = interrupt("question");
return { result, value };
}
}
);
```
在此示例中，工作流使用输入 `t0` 来确定执行哪个任务。这是确定性的，因为工作流的结果仅取决于输入。
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { entrypoint, task, interrupt } from "@langchain/langgraph";
const getTime = task("getTime", () => Date.now());
const myWorkflow = entrypoint(
{ checkpointer, name: "workflow" },
async (inputs: { t0: number }): Promise => {
const t1 = await getTime();
const deltaT = t1 - inputs.t0;
if (deltaT > 1000) {
const result = await slowTask(1);
const value = interrupt("question");
return { result, value };
} else {
const result = await slowTask(2);
const value = interrupt("question");
return { result, value };
}
}
);
```
## 了解更多
* [如何使用功能 API](/oss/javascript/langgraph/use-functional-api)
* [图 API 概念概览](/oss/javascript/langgraph/graph-api)
* [在图 API 和功能 API 之间选择](/oss/javascript/langgraph/choosing-apis)
***
[将这些文档连接](/use-these-docs)到 Claude、VSCode 等，通过 MCP 获取实时答案。
[在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/oss/langgraph/functional-api.mdx) 或 [提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。