文章目录AI(学习笔记第四十三课)langchain v1.0 tutorial (9)1. `streaming v2`1.1 示例 1：单模式 + version="v2" --- 依然是 StreamPart dict（而非裸数据）1.2 示例 2：多模式 + version="v2" —— 仍然统一格式，按 type 区分1.3 示例 3：类型收窄（type narrowing）演示1.3.1 不能`type narrow`的代码1.3.2 能够进行`type narrowing`的代码1.4 示例 4：v2 下的 invoke() —— 返回 GraphOutput(.value / .interrupts)1.4.1 `invoke`和`stream`的区别1.4.2 `invoke`示例2. `interrupts`2.1 示例 1：基本中断与恢复2.2 示例 2：审批流（通过 / 驳回 - 走不同分支）2.3 示例 3：审核并编辑 state（人类修改内容后继续）2.4 示例 4：response_schema —— 用 Pydantic 校验人类输入2.5 示例 5：工具内中断（在 @tool 里调用 interrupt）2.6 示例 6：校验人类输入（interrupt 只调一次 + 条件边循环重问）2.7 示例 7：静态断点（interrupt_before / interrupt_after）—— 调试用3.接下来`time travel`AI(学习笔记第四十三课)langchain v1.0 tutorial (9)streaming v2interrupts接下来time travel1.streaming v2为什么要使用v2，因为给stream() / astream()传version="v2"，就能得到【统一格式】的输出——无论你用了几个模式、是否带了子图，每个chunk都是一个形状一致的StreamPart dict。