G6-01 · Streaming 与 Middleware：让 Agent 可看可管

阶段：G6-工程化与交付 ｜ 预计耗时：75 分钟 ｜ 前置：G5 全部验收通过 代码：要你自己敲成 langgraph-learn/examples/g6_streaming.py 与 g6_middleware.py 一句话定位：Streaming 管"用户看得见"（体验），Middleware 管"管理员管得住"（治理）——两者都是从"能跑的 demo"到"敢交付的产品"的门槛

学习目标

1. 掌握四种 stream_mode 各自的输出形态与适用场景
2. 实现打字机效果（messages 模式）与进度可视化（updates 模式）
3. 写一个自定义 Middleware（敏感词过滤/审计日志），理解"横切关注点"不进业务节点

核心知识

1. 四种 stream_mode（一表定位）

for token, meta in graph.stream(inputs, cfg, stream_mode="messages"):
    print(token.content, end="", flush=True)      # 打字机

2. Middleware：不进节点的公共逻辑

日志、敏感词替换、限流、PII 过滤——如果写进每个节点 = 三处复制三处漏改。LangChain 1.x 的 middleware（create_agent 的 middleware=[...]，LLM 调用前后/工具调用前后有钩子）让它们只写一处。 低配机路线的务实提醒：复杂中间件生态以当天官方文档为准，先用"节点外包一层函数"实现同样效果，等需求真复杂了再上标准 API——这是 G5-03 学的"不过早优化"。

实验任务

任务 1：四模式横评（30 分钟）

拿 G1-03 的 handmade ReAct 图，用同一问题分别以四种模式 stream，把每种输出的形状记进笔记（values 巨大、updates 按节点、messages 碎、custom 要写代码）。跑完后你能对着输出秒认模式——调试时就不会迷路。

任务 2：打字机聊天界面（25 分钟）

用 messages 模式写 20 行的命令行聊天循环（input → stream → 逐字打印），配上 G3-01 的 thread_id 记忆——这就是一个能演示的对话产品雏形，录屏存档。

任务 3：敏感词 Middleware（20 分钟）

维护一个 10 词黑名单：输出前扫描替换为 **。分别在"节点内"与"节点外（输出统一出口）"两种实现里选一处落地，并在笔记里写清为什么选它。

验收标准

• 四种模式的输出形状笔记完整
• 打字机 + 记忆的聊天循环跑通并录屏
• 敏感词过滤生效（黑名单词被 ** 掉）且知道自己的实现位置与理由

衔接下一阶段

可看可管了 → G6-02 评测与交付：最后一道工程关——用数字证明它好使。