Run RepoPilot on the LangGraph runtime

README.md

@@ -2,7 +2,7 @@
 
 一个面向软件仓库的工程变更分析与故障诊断 Agent。它把架构文档、PR 说明、日志、Runbook 和评测结果组织成可检索证据，并围绕变更影响、PR 风险、故障假设、验证计划和回滚步骤给出有边界的工程结论。
 
-系统核心不是普通问答，而是一条可规划、可执行、可验证、可学习的 Agent 控制流：外层 State Graph 管理流程边界，内层 Plan → Action → Observation → Reflection 负责动态工具决策；Verification Loop 在证据不足时有界重试，并保留断点、继续、编辑后重跑与终止能力。
+系统核心不是普通问答，而是一条可规划、可执行、可验证、可学习的 Agent 控制流：外层由 **LangGraph StateGraph** 管理流程边界、条件路由与 Checkpoint，内层 Plan → Action → Observation → Reflection 负责动态工具决策；Verification Loop 在证据不足时有界重试，并保留断点、继续、编辑后重跑与终止能力。
 
 ## 主要能力
 
@@ -15,6 +15,7 @@
 - **生产安全边界**：写操作进入 Human Approval Gate；Tool Registry 提供 idempotency key、执行状态与补偿 rollback 回调，避免重复副作用。
 - **证据门控**：检查原问题与命中材料是否有直接领域信号；低证据时不调用外部 LLM。
 - **有界恢复**：Query Rewrite、检索预算和全局图转换上限共同防止无界循环。
+- **LangGraph 原生编排**：9 个业务节点直接注册到 LangGraph，条件边负责证据重试与 ReAct 循环，`InMemorySaver` + `interrupt/Command` 负责断点和恢复，不再维护第二套自研图执行器。
 - **执行轨迹**：Graph Path、Tool Trace、检索次数、实际 Reranker、证据质量和停止原因均可观察。
 - **实时运行事件**：`/api/ask/stream` 通过 SSE 在节点完成时推送 Route、Retrieve、Tool、Reflection 与 Final 事件，而不是等整次请求结束后一次性返回。
 - **可视化调试**：节点断点、内存 Checkpoint、继续、编辑查询后从 Route 重启、终止与清理。
@@ -53,7 +54,7 @@ Debug: breakpoint → checkpoint → resume / edit and restart / cancel
 
 - Backend：Python、FastAPI、Pydantic、Uvicorn
 - Retrieval：SentenceTransformers、BGE、Dense Cosine Search、Chroma、Cross-Encoder
-- Agent：State Graph、ReAct、Planning / Reflection、Verification Loop、Skill、Native/MCP Tool Registry
+- Agent：LangGraph、StateGraph、Checkpoint / Interrupt、ReAct、Planning / Reflection、Verification Loop、Skill、Native/MCP Tool Registry
 - Memory：Working、Episodic、Semantic、Procedural、幂等 Memory Import
 - Safety：Human Approval、Idempotency、Rollback、Bounded Retry / Stop Reason
 - LLM：OpenAI-compatible Chat API Adapter（可选）
@@ -148,7 +149,7 @@ POST   /api/debug/resume
 DELETE /api/debug/runs/{run_id}
 ```
 
-`/api/ask` 返回 `answer`、`intent`、`citations`、`trace` 和 `metrics`。调试接口在节点执行前暂停并保留 Checkpoint；完成或取消后清理。
+`/api/ask` 返回 `answer`、`intent`、`citations`、`trace` 和 `metrics`；`/api/workflow` 会明确返回 `framework=langgraph`。调试接口通过 LangGraph interrupt 在节点执行前暂停并保留 Checkpoint，使用相同 thread 恢复；完成或取消后清理。
 
 ## 测试与评估
 

app/agent.py

@@ -325,6 +325,9 @@ def __init__(self, kb: KnowledgeBase) -> None:
 
     def workflow_spec(self) -> dict[str, Any]:
         return {
+            "framework": self.workflow.framework,
+            "checkpointing": "langgraph_in_memory",
+            "interrupts": "langgraph_dynamic",
             "entrypoint": "route",
             "nodes": [
                 "route",
@@ -374,7 +377,9 @@ def ask(
         sid = self.memory.ensure(session_id)
         state = self._new_state(query, sid, top_k)
         graph_run = self.workflow.run(state, event_sink=event_sink)
-        return self._build_response(sid, state, graph_run, started, record_memory=True)
+        response = self._build_response(sid, state, graph_run, started, record_memory=True)
+        self.workflow.cancel(graph_run.thread_id)
+        return response
 
     def debug_start(
         self,
@@ -419,6 +424,7 @@ def debug_resume(
         next_query = (query or checkpoint.query).strip()
 
         if restart:
+            self.workflow.cancel(checkpoint.run.thread_id)
             state = self._new_state(next_query, checkpoint.session_id, checkpoint.top_k)
             state.trace.append(
                 ToolCall(
@@ -440,6 +446,7 @@ def debug_resume(
                 prior_events=checkpoint.run.events,
                 breakpoints=active_breakpoints,
                 skip_breakpoint_once=checkpoint.run.next_node,
+                thread_id=checkpoint.run.thread_id,
             )
 
         return self._finish_debug_step(
@@ -455,7 +462,11 @@ def debug_resume(
 
     def cancel_debug(self, run_id: str) -> bool:
         with self._debug_lock:
-            return self._debug_runs.pop(run_id, None) is not None
+            checkpoint = self._debug_runs.pop(run_id, None)
+        if checkpoint is None:
+            return False
+        self.workflow.cancel(checkpoint.run.thread_id)
+        return True
 
     def _new_state(self, query: str, session_id: str, top_k: int) -> AgentState:
         normalized_query = self._resolve_follow_up(query, session_id)
@@ -495,6 +506,7 @@ def _finish_debug_step(
             record_memory=completed,
         )
         if completed:
+            self.workflow.cancel(graph_run.thread_id)
             with self._debug_lock:
                 self._debug_runs.pop(run_id, None)
         else: