Checkpointer Postgres et human-in-the-loop

Le checkpointer : le state qui survit à tout

Un chat copilot dure des jours ; le process, lui, redémarre (deploys, crashs, autoscaling). Le checkpointer persiste le state du graphe à chaque étape, par thread de conversation :

checkpointer = AsyncPostgresSaver.from_conn_string(DATABASE_URL)
await checkpointer.setup()                      # crée les tables checkpoints*
graph = workflow.compile(checkpointer=checkpointer)

# chaque exécution est rattachée à un thread :
await graph.ainvoke(input, config={"configurable": {"thread_id": thread_id}})

Relance le même thread_id après un crash : la conversation reprend exactement où elle en était — messages, itérations, tout le state. C'est le passage d'un agent-démo à un agent de production : l'état ne vit plus dans la RAM d'un process.

interrupt() : l'humain dans la boucle

Pour les actions à effet réel (tools write : créer un devis, modifier une commande), LangGraph offre le pattern HITL :

from langgraph.types import interrupt

def approve_writes(state):
    decision = interrupt({"action": "create_quote", "summary": ...})  # ⏸ le graphe SE FIGE
    ...  # reprend ici quand on ré-invoque avec Command(resume=décision)

interrupt() suspend l'exécution et persiste tout via le checkpointer : l'utilisateur peut répondre dans une heure, depuis un autre pod. Dans le projet, le mécanisme est câblé sur les tools permission == "write" mais actuellement désactivé (les confirmations passent par le prompt) — l'infrastructure attend le jour où l'approbation explicite deviendra une exigence.

La leçon d'architecture : le graphe à UN node

Détail savoureux du rétro-engineering : le copilot avait un graphe de 13 nodes — il a été volontairement réduit à un seul node agent (START → agent → END) contenant la boucle ReAct du module 4. Pourquoi garder LangGraph alors ? Pour le checkpointer (la persistance de conversation), la compatibilité du contrat de streaming, et la possibilité de ré-ajouter un node approve_writes le jour venu.

La morale, applicable partout : la granularité du graphe doit suivre les besoins d'orchestration réels, pas le dessin d'architecture idéal. Le pipeline d'extraction a besoin de 7 nodes (progression, routage, tests) ; la boucle agent n'en a besoin que d'un. Sur-découper, c'est de la complexité gratuite.