Migration depuis LangGraph

Migrer de LangGraph vers Lumen + Kova

SqliteSaver → LumenCheckpointer + LumenTracer, déploiement des Agents sur le cluster Kova — sans modifier le code métier.

Ce que vous obtenez

Avant (LangGraph pur)	Après
Persistance SqliteSaver mono-machine	LumenCheckpointer + Kova récupération WAL à la microseconde
Aucun Trace	LumenTracer collecte automatique
Aucun suivi de coût	CostTracker agrégation par Node
Replay manuel	Replay.from_run_id() en une ligne

Étapes de migration

1. Remplacer le Checkpointer — LumenCheckpointer implémente BaseCheckpointSaver à 100 %, sans aucune modification du code métier.

   - from langgraph.checkpoint.sqlite import SqliteSaver
   + from lumen_ai import LumenCheckpointer
   
   - graph = wf.compile(
   -     checkpointer=SqliteSaver.from_conn_string("./state.db")
   - )
   + graph = wf.compile(
   +     checkpointer=LumenCheckpointer()
   + )

2. Ajouter le Tracer — après le démarrage local, accédez à http://localhost:7070 pour visualiser la chronologie des Traces.

   + from lumen_ai import LumenTracer
   
     graph = wf.compile(
         checkpointer=LumenCheckpointer(),
   +     callbacks=[LumenTracer()],
     )

3. Déployer sur Kova

   # agent.yaml
   name: research-agent
   entry: python my_agent.py
   checkpointer: lumen
   replicas: 3

   lumen deploy --target kova://prod-cluster

Vérification locale

python my_agent.py           # 正常跑
kill -9 $(pgrep -f my_agent) # 模拟崩溃
python my_agent.py           # 从中断点继续，不重调 LLM

Comparaison de performances

Indicateur	Avant	Après
Latence de récupération	8ms	Microseconde
Multi-processus	Verrouillage requis	Natif
Inter-datacenter	Manuel	Réplication asynchrone
Réappel LLM	Parfois	Jamais

Rollback

Conservez l’ancien code SqliteSaver en commentaire ; restaurez le diff à tout moment pour revenir à l’état initial. Les données ne sont pas partagées, mais les deux peuvent tourner en parallèle.

Étapes suivantes

Étapes suivantes

Lumen Python SDKDéployer KovaTutoriel complet